HybridPoint:基于混合点采样与匹配的点云配准
计算机视觉与模式识别
2023-09-08 v2
摘要
块到点匹配已成为一种鲁棒的点云配准方式。然而,以往的块匹配方法采用定位精度较差的超点作为节点,可能导致模糊的块划分。本文中,我们提出一种基于HybridPoint的网络以寻找更鲁棒且准确的对应关系。首先,我们提出使用具有显著局部特征的显著点作为节点以提升块的可重复性,并引入一些均匀分布的点来补全点云,从而构成混合点。混合点不仅具有更好的定位精度,还能给出整个点云的完整表征。此外,基于混合点的特性,我们提出一种双类别块匹配模块,其利用显著点的匹配结果并过滤非显著点的匹配噪声。实验表明,我们的模型在3DMatch、3DLoMatch和KITTI odometry上取得了最先进的性能,尤其在3DMatch数据集上配准召回率达93.0%。我们的代码和模型可在https://github.com/liyih/HybridPoint获取。
引用
@article{arxiv.2303.16526,
title = {HybridPoint: Point Cloud Registration Based on Hybrid Point Sampling and Matching},
author = {Yiheng Li and Canhui Tang and Runzhao Yao and Aixue Ye and Feng Wen and Shaoyi Du},
journal= {arXiv preprint arXiv:2303.16526},
year = {2023}
}
备注
Accepted by IEEE International Conference on Multimedia and Expo (ICME), 2023