利用权重共享聚合的隐式刚性约束挖掘用于点云场景流估计
计算机视觉与模式识别
2023-04-04 v2
摘要
场景流估计从点云中预测场景点的三维运动，是自动驾驶和许多其他三维视觉应用中的核心任务。现有方法要么因忽略刚性运动一致性而导致结构畸变，要么需要显式的位姿估计与三维目标分割。估计位姿与分割目标的误差会产生不准确的刚性约束，进而误导场景流估计。本文提出一种新颖的权重共享聚合（WSA）方法用于特征与场景流上采样。WSA不依赖于估计的位姿与分割目标，能够隐式地施加刚性约束以避免场景流估计中的结构畸变。为了进一步利用几何信息并保留局部结构，我们设计了一个形变程度模块，旨在保持局部区域不变性。我们改进了PointPWC-Net，并将提出的WSA与形变程度模块集成到增强的PointPWC-Net中，得到一个端到端的场景流估计网络，称为WSAFlowNet。在FlyingThings3D和KITTI数据集上的大量实验结果表明，我们的WSAFlowNet达到了最先进的性能，并以较大优势超越先前的方法。我们将在 https://github.com/wangyunlhr/WSAFlowNet.git 发布源代码。
引用
@article{arxiv.2303.02454,
title = {Exploiting Implicit Rigidity Constraints via Weight-Sharing Aggregation for Scene Flow Estimation from Point Clouds},
author = {Yun Wang and Cheng Chi and Xin Yang},
journal= {arXiv preprint arXiv:2303.02454},
year = {2023}
}