ImLoveNet：面向低重叠点云对的错位图像辅助配准网络
计算机视觉与模式识别
2022-07-05 v1
摘要
成对点云之间的低重叠区域使得所捕获的特征置信度极低，导致前沿模型的点云配准质量较差。超越传统思路，我们提出一个引人深思的问题：是否可能利用两个低重叠点云之间一幅中间但错位的图像来增强前沿配准模型的性能？为回答该问题，我们提出一种用于低重叠点云对的错位图像辅助配准网络，称为 ImLoveNet。ImLoveNet 首先跨不同模态学习三重深度特征，然后将这些特征导出至一个两阶段分类器，以逐步获取两个点云间的高置信度重叠区域。因此，在预测的重叠区域上建立了软对应关系，从而得到精确的刚体变换用于配准。ImLoveNet 实现简单却有效，因为 1）错位图像为两个低重叠点云提供了更清晰的重叠信息以更好地定位重叠部分；2）其包含一定的几何知识以提取更好的深度特征；以及 3）它不需要成像设备相对于 3D 点云参考系的外参。在不同类型基准上的大量定性与定量评估证明了我们的 ImLoveNet 相对于最先进方法的的有效性和优越性。
引用
@article{arxiv.2207.00826,
title = {ImLoveNet: Misaligned Image-supported Registration Network for Low-overlap Point Cloud Pairs},
author = {Honghua Chen and Zeyong Wei and Yabin Xu and Mingqiang Wei and Jun Wang},
journal= {arXiv preprint arXiv:2207.00826},
year = {2022}
}