基于学习函数映射同步的多向非刚性点云配准
计算机视觉与模式识别
2022-04-12 v2 人工智能
摘要
我们提出了SyNoRiM，一种通过同步关联定义在点云上的学习函数的映射来联合配准多个非刚性形状的新方法。尽管处理非刚性形状的能力在从计算机动画到3D数字化的各种应用中至关重要，但文献中仍然缺乏一个稳健且灵活的框架来匹配和对齐在遮挡下观察到的真实、含噪扫描集合。给定一组这样的点云，我们的方法首先计算通过函数映射参数化的成对对应关系。我们同时学习潜在的非正交基函数以有效地正则化形变，同时以优雅的方式处理遮挡。为了最大限度地利用推断出的成对形变场提供的多向信息，得益于我们新颖且有原则的优化公式，我们将成对函数映射同步为循环一致的整体。我们通过大量实验证明，我们的方法在配准精度上达到了SOTA性能，同时具有灵活性和高效性，因为我们在统一框架内处理非刚性和多体情况，并通过使用基函数映射避免了基于点的排列的高成本优化。
引用
@article{arxiv.2111.12878,
title = {Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization},
author = {Jiahui Huang and Tolga Birdal and Zan Gojcic and Leonidas J. Guibas and Shi-Min Hu},
journal= {arXiv preprint arXiv:2111.12878},
year = {2022}
}