PCRNet：基于 PointNet 编码的点云配准网络
计算机视觉与模式识别
2019-11-05 v2
摘要
PointNet 近来已成为非结构化点云数据的一种流行表示，使得深度学习能够应用于目标检测、分割和形状补全等任务。然而，近期文献表明 PointNet 表示对位姿失准具有敏感性。本文提出一种新颖的框架，利用 PointNet 表示来对齐点云并执行配准，以用于跟踪、三维重建和位姿估计等应用。我们开发了一个框架，通过比较模板点云和源点云的 PointNet 特征，来寻找能精确对齐它们的变换。根据对点云所构成物体形状的先验信息，我们的框架可以产生针对特定形状或对未见形状通用的方法。特定形状方法采用带有全连接层的孪生架构，对数据中的噪声和初始失准具有鲁棒性。我们进行了大量的仿真和真实世界实验，以验证我们方法的有效性，并将其性能与最先进的方法进行了比较。
引用
@article{arxiv.1908.07906,
title = {PCRNet: Point Cloud Registration Network using PointNet Encoding},
author = {Vinit Sarode and Xueqian Li and Hunter Goforth and Yasuhiro Aoki and Rangaprasad Arun Srivatsan and Simon Lucey and Howie Choset},
journal= {arXiv preprint arXiv:1908.07906},
year = {2019}
}