重叠偏置匹配是点云配准所必需的
计算机视觉与模式识别
2023-08-21 v1
摘要
点云配准是许多领域中的基础问题。实际上，待配准点云之间的重叠可能相对较小。大多数无监督方法缺乏对重叠的有效初始评估，导致配准精度欠佳。为解决此问题，我们提出一种用于部分点云配准的无监督网络重叠偏置匹配网络（OBMNet）。具体而言，我们提出一个即插即用的重叠偏置匹配模块（OBMM），其包含两个组成部分：重叠采样模块和偏置预测模块。这两个组件分别用于捕获重叠区域的分布并预测点云公共结构的偏置系数。然后，我们将 OBMM 与邻域图匹配模块集成，通过精确合并邻域内点的匹配分数来鲁棒地识别对应关系，从而解决单点特征中的歧义。OBMNet 即使在低重叠率的成对配准场景中也能保持有效性。在大量数据集上的实验结果表明，我们的方法性能相比最先进的配准方法实现了显著提升。
引用
@article{arxiv.2308.09364,
title = {Overlap Bias Matching is Necessary for Point Cloud Registration},
author = {Pengcheng Shi and Jie Zhang and Haozhe Cheng and Junyang Wang and Yiyang Zhou and Chenlin Zhao and Jihua Zhu},
journal= {arXiv preprint arXiv:2308.09364},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2202.11292 by other authors