MaskNet:一种用于估计内点点的全卷积网络
计算机视觉与模式识别
2020-10-20 v1 人工智能
摘要
点云在计算机感知世界的方式中已变得愈发重要。从自动驾驶汽车和无人机中的LIDAR传感器,到手机中的飞行时间与立体视觉系统,点云无处不在。尽管无处不在,现实世界中的点云常因传感器限制或遮挡而缺失点,或因传感器噪声或伪影而含有无关点。这些问题对需要计算两点云间对应关系的算法提出了挑战。因此,本文提出一种全卷积神经网络,用于识别一个点云中哪些点与另一点云中的点最为相似(内点)。我们展示了在嵌入我们的网络后,基于学习和经典的点云配准方法的改进。我们在合成与真实世界数据集上证明了这些改进。最后,我们的网络在训练期间未见的测试数据集上产生了令人印象深刻的结果,从而展现出泛化能力。代码与视频见https://github.com/vinits5/masknet
引用
@article{arxiv.2010.09185,
title = {MaskNet: A Fully-Convolutional Network to Estimate Inlier Points},
author = {Vinit Sarode and Animesh Dhagat and Rangaprasad Arun Srivatsan and Nicolas Zevallos and Simon Lucey and Howie Choset},
journal= {arXiv preprint arXiv:2010.09185},
year = {2020}
}
备注
Accepted at International Conference on 3D Vision (3DV, 2020)