Graphite：用于点云配准的图诱导特征提取方法
计算机视觉与模式识别
2020-10-20 v1 人工智能
摘要
3D 点云是视觉领域中日益流行且信息丰富的数据源。然而，由于其表示的稀疏性，基于大规模点云的学习模型仍具挑战。本工作中，我们提出 Graphite，一种 GRAPH-Induced feaTure Extraction（图诱导特征提取）流水线，一种简洁而强大的特征变换与关键点检测器。Graphite 支持通过点云关键点检测及对应描述子实现密集下采样。我们构建了一种通用的基于图的学习方案来描述点云区域并提取显著点。为此，我们利用 6D 位姿信息与度量学习，以学习跨不同扫描的鲁棒描述与关键点。我们用图神经网络重构了 3D 关键点流水线，其允许高效处理点集并增强其描述能力，最终带来更精确的 3D 配准。我们在常用的 3D 描述子匹配与点云配准基准上展示了我们的轻量描述子，并取得了与最先进方法相当的结果。使用我们提出的网络描述一个点云的 100 个块并检测其关键点仅需约 0.018 秒。
引用
@article{arxiv.2010.09079,
title = {Graphite: GRAPH-Induced feaTure Extraction for Point Cloud Registration},
author = {Mahdi Saleh and Shervin Dehghani and Benjamin Busam and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:2010.09079},
year = {2020}
}