用于无监督点云配准的迭代反馈网络

作为计算机视觉中的一个基本问题，点云配准旨在寻找对齐一对点云的最优变换。在大多数现有方法中，信息流通常是前向传递的，因此缺乏从高层信息到低层信息的指导。此外，过多的高层信息可能过于冗余，直接使用可能与原始低层信息冲突。本文提出了一种新颖的迭代反馈网络（IFNet）用于无监督点云配准，其中通过重路由后续高层信息有效丰富了低层特征的表示。具体而言，我们的IFNet基于一系列反馈配准块（FRB）模块构建，每个模块负责生成前馈刚性变换和反馈高层特征。这些FRB模块随时间级联并循环展开。此外，设计了反馈变压器以高效地从反馈高层特征中选择相关信息，用于细化低层特征。更重要的是，我们引入了几何感知描述子，使网络能够充分利用大多数几何信息，从而实现更精确的配准结果。在各种基准数据集上的大量实验证明了我们的IFNet的优越配准性能。