间接点云配准：利用伪第三点集对齐距离场
机器人学
2022-06-01 v1
摘要
近年来，隐式函数在三维重建领域受到关注，并已成功与深度学习结合应用。然而，对于增量重建，基于隐式函数的配准很少被探索。受深度学习全局特征配准高精度的启发，我们提出将其与距离场结合。我们将该算法推广至非深度学习设定，同时保留精度。我们的算法比传统模型更精确，且无需任何训练，与基于深度学习的配准模型相比，取得了有竞争力的性能与更快的速度。该实现已在 github 上向研究界提供。
引用
@article{arxiv.2205.15954,
title = {Indirect Point Cloud Registration: Aligning Distance Fields using a Pseudo Third Point Ses},
author = {Yijun Yuan and Andreas Nuechter},
journal= {arXiv preprint arXiv:2205.15954},
year = {2022}
}
备注
Accpted to RAL2022, code at https://github.com/Jarrome/IFR