匹配距离与几何分布辅助学习的多视角点云配准
计算机视觉与模式识别
2025-05-07 v1 机器人学
摘要
多视角点云配准在机器人、自动化和计算机视觉领域起着至关重要的作用。本文专注于多视角配准中的位姿图构建与运动同步。以往的位姿图构建方法通常对全连接图进行剪枝，或使用从局部描述符聚合的全局特征构建稀疏图，这些方法可能无法持续产生可靠的结果。为了识别可靠的配对以构建位姿图，我们设计了一个网络模型，从点云对之间的匹配距离中提取信息。对于运动同步，我们提出了另一个神经网络模型，以数据驱动的方式计算绝对位姿，而不是优化不精确的手工设计损失函数。我们的模型考虑了几何分布信息，并采用了一种改进的注意力机制，以促进灵活且可靠的特征交互。在多种室内外数据集上的实验结果证实了我们方法的有效性和泛化能力。源代码可在 https://github.com/Shi-Qi-Li/MDGD 获取。
引用
@article{arxiv.2505.03692,
title = {Matching Distance and Geometric Distribution Aided Learning Multiview Point Cloud Registration},
author = {Shiqi Li and Jihua Zhu and Yifan Xie and Naiwen Hu and Di Wang},
journal= {arXiv preprint arXiv:2505.03692},
year = {2025}
}