HD2Reg：用于点云配准的分层描述子与检测器
计算机视觉与模式识别
2023-05-08 v1
摘要
特征描述子与检测器是基于特征的点云配准的两个主要组成部分。然而，在描述子与检测器的学习中，对于局部与全局语义的显式表示鲜有关注。本文提出一种框架，显式提取双层级描述子与检测器，并利用它们进行由粗到精的匹配。首先，为显式学习局部与全局语义，我们提出一种分层对比学习策略，训练高层描述子的鲁棒匹配能力，并利用低层描述子细化局部特征空间。此外，我们提出学习双层级显著图，以两种不同语义提取两组关键点。为克服二值可匹配性标签的弱监督问题，我们提出一种排序策略来标注关键点的显著性排序，从而提供更细粒度的监督信号。最后，我们提出一种由全局到局部的匹配方案，通过利用互补的双层级特征获得鲁棒且准确的对应关系。在 3DMatch 与 KITTI odometry 数据集上的定量实验表明，我们的方法实现了鲁棒且准确的点云配准，并优于近期基于关键点的方法。
引用
@article{arxiv.2305.03487,
title = {HD2Reg: Hierarchical Descriptors and Detectors for Point Cloud Registration},
author = {Canhui Tang and Yiheng Li and Shaoyi Du and Guofa Wang and Zhiqiang Tian},
journal= {arXiv preprint arXiv:2305.03487},
year = {2023}
}
备注
Accepted by IEEE Intelligent Vehicles Symposium 2023 (IV 2023)