一框统配：用于点云对齐的 PointNet 编码
计算机视觉与模式识别
2019-12-13 v1
摘要
PointNet 近来作为非结构化点云数据的流行表征崭露头角，使深度学习得以应用于目标检测、分割与形状补全等任务。然而，文献中近期工作显示了 PointNet 表征对位姿错位的敏感性。本文提出一种新颖框架，利用 PointNet 编码对齐点云并为 3D 重建、跟踪与位姿估计等应用执行配准。我们构建了比较模板与源点云的 PointNet 特征以寻找精确对齐变换的框架。如此，我们避免了作为 ICP 及其变体等流行配准方法核心的、计算昂贵的对应点查找步骤。依据关于点云所构成物体形状的先验信息，我们的框架可生成针对特定形状或泛化至未见形状的配准方法。我们的框架对数据中的噪声与初始错位具有鲁棒性，并能稳健处理稀疏及部分点云。我们进行了大量仿真与真实实验以验证方法有效性，并与最先进方法比较性能。代码见 https://github.com/vinits5/pointnet-registrationframework。
引用
@article{arxiv.1912.05766,
title = {One Framework to Register Them All: PointNet Encoding for Point Cloud Alignment},
author = {Vinit Sarode and Xueqian Li and Hunter Goforth and Yasuhiro Aoki and Animesh Dhagat and Rangaprasad Arun Srivatsan and Simon Lucey and Howie Choset},
journal= {arXiv preprint arXiv:1912.05766},
year = {2019}
}
备注
10 pages. arXiv admin note: substantial text overlap with arXiv:1908.07906