HDMNet：一种用于大规模室外 LiDAR 点云配准的带双重注意力分层匹配网络
计算机视觉与模式识别
2023-10-31 v1 人工智能
摘要
室外 LiDAR 点云通常具有大规模和复杂分布的特点。为实现高效且准确的配准，在通过高性价比的精细配准提升精度之前，强调局部区域间的相似性并优先进行全局局部到局部的匹配至关重要。本文提出一种名为 HDMNet 的带双重注意力的新型分层神经网络，用于大规模室外 LiDAR 点云配准。具体而言，引入一种新颖的特征一致性增强双重软匹配网络，以块到块的方式高效扩大感受野的同时实现高灵活性的两阶段匹配，显著提升了配准性能。此外，为进一步利用来自更深层的稀疏匹配信息，我们开发了一种可训练的嵌入掩码，以融入从深层位姿估计获得的对应点置信度分数，避免了额外计算。深层更稀疏点云中的高置信度关键点对应于浅层中的高置信度空间邻域区域，该区域将获得更多关注，而非关键区域的特征将被掩码。在两个大规模室外 LiDAR 点云数据集上进行了大量实验，证明了所提 HDMNet 的高精度与高效率。
引用
@article{arxiv.2310.18874,
title = {HDMNet: A Hierarchical Matching Network with Double Attention for Large-scale Outdoor LiDAR Point Cloud Registration},
author = {Weiyi Xue and Fan Lu and Guang Chen},
journal= {arXiv preprint arXiv:2310.18874},
year = {2023}
}
备注
Accepted by WACV2024