Equi-GSPR：用于稀疏点云配准的等变 SE(3) 图网络模型
计算机视觉与模式识别
2024-10-10 v1 人工智能
摘要
点云配准是 3D 对齐和重建应用的基础任务。尽管传统和基于学习的配准方法都取得了成功，但利用点云数据的内在对称性（包括旋转等变性）尚未得到充分关注。这阻碍了模型的有效学习，导致需要更多训练数据和更高的模型复杂度。为应对这些挑战，我们提出了一种图神经网络模型，该模型通过基于 SE(3) 消息传递的传播，嵌入了局部球面欧几里得 3D 等变性。我们的模型主要由描述符模块、等变图层、匹配相似度和最终回归层组成。这种模块化设计使我们能够利用稀疏采样的输入点，并轻松地通过自训练或预训练的几何特征描述符来初始化描述符。在 3DMatch 和 KITTI 数据集上进行的实验表明，与最先进的方法相比，我们的模型具有令人信服且鲁棒的性能，同时模型复杂度保持在相对较低的水平。
引用
@article{arxiv.2410.05729,
title = {Equi-GSPR: Equivariant SE(3) Graph Network Model for Sparse Point Cloud Registration},
author = {Xueyang Kang and Zhaoliang Luan and Kourosh Khoshelham and Bing Wang},
journal= {arXiv preprint arXiv:2410.05729},
year = {2024}
}
备注
18 main body pages, and 9 pages for supplementary part