邻域不敏感的点云法线估计网络
计算机视觉与模式识别
2021-01-18 v3
摘要
我们引入一种新颖的基于自注意力的法线估计网络，能够柔和地聚焦于相关点并通过学习温度参数调整柔和程度，从而使其能在较大邻域范围内自然且有效地工作。因此，我们的模型大幅优于所有现有法线估计算法，以94.1%的准确率对比此前91.2%的最优水平，且模型缩小25倍、推理时间加快12倍。我们还以点对面迭代最近点(ICP)作为应用案例，表明我们的法线估计能比其他方法的法线估计带来更快收敛，且无需手动微调邻域范围参数。代码见 https://code.active.vision。
引用
@article{arxiv.2008.09965,
title = {Neighbourhood-Insensitive Point Cloud Normal Estimation Network},
author = {Zirui Wang and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2008.09965},
year = {2021}
}
备注
Accepted in BMVC 2020 as oral presentation. Code available at https://code.active.vision and project page at http://ninormal.active.vision