MonteBoxFinder：检测与筛选基元以拟合含噪点云
计算机视觉与模式识别
2022-07-29 v1
摘要
我们提出 MonteBoxFinder，一种在给定含噪输入点云时，将长方体拟合到输入场景的方法。我们的主要贡献是一个离散优化算法，该算法能从初始密集检测得到的一组长方体中高效地筛选出优质框而剔除噪声框。受近期蒙特卡洛树搜索（MCTS）在场景理解问题中应用的启发，我们开发了一种随机算法，其设计对我们的任务更为高效。事实上，长方体排布拟合的优劣与长方体加入场景的顺序无关。我们针对该问题开发了若干搜索基线，并在 ScanNet 数据集上证明我们的方法更高效且更精确。最后，我们坚信我们的核心算法具有极强的通用性，可扩展至三维场景理解中的许多其他问题。
引用
@article{arxiv.2207.14268,
title = {MonteBoxFinder: Detecting and Filtering Primitives to Fit a Noisy Point Cloud},
author = {Michaël Ramamonjisoa and Sinisa Stekovic and Vincent Lepetit},
journal= {arXiv preprint arXiv:2207.14268},
year = {2022}
}
备注
Accepted at ECCV 2022. Project page: https://michaelramamonjisoa.github.io/projects/MonteBoxFinder, Code: https://github.com/MichaelRamamonjisoa/MonteBoxFinder