PlaneMatch：用于鲁棒 RGB-D 重建的图块共面性预测
计算机视觉与模式识别
2018-07-30 v3
摘要
我们引入了一种新颖的 RGB-D 图块描述符，旨在检测 SLAM 重建中的共面表面。我们方法的核心是一个深度卷积神经网络，它接收图像中平面图块的 RGB、深度和法线信息，并输出一个描述符，该描述符可用于从其他图像中寻找共面图块。我们在一千万组共面与非共面图块三元组上训练该网络，并在由商用 RGB-D 扫描创建的新共面性基准上进行评估。实验表明，我们学习到的描述符显著优于为该新任务扩展的其他替代方法。此外，我们展示了共面性匹配在鲁棒 RGB-D 重建公式化中的优势。我们发现，用我们方法检测到的共面性约束足以在大多数场景中获得与最先进框架相当的重建结果，但当与简单的关键点方法结合时，在标准基准上优于其他方法。
引用
@article{arxiv.1803.08407,
title = {PlaneMatch: Patch Coplanarity Prediction for Robust RGB-D Reconstruction},
author = {Yifei Shi and Kai Xu and Matthias Niessner and Szymon Rusinkiewicz and Thomas Funkhouser},
journal= {arXiv preprint arXiv:1803.08407},
year = {2018}
}
备注
ECCV 2018 oral paper; Supplemental material included