用于局部点云分析的点集投票
计算机视觉与模式识别
2021-01-05 v2 机器人学
摘要
3D传感器的不断改进推动了点云分析算法的发展。事实上，近年来，借助大型合成数据集，点云分类与分割技术取得了令人瞩目的性能。然而，当这些最先进的方法应用于不完整点云时，表现却很差。现有算法的这一局限性尤为令人担忧，因为真实世界中由3D传感器生成的点云由于视角或被其他物体遮挡通常是不完整的。本文提出了一种用于局部点云分析的通用模型，其中通过应用局部点集投票策略来推断编码完整点云的潜在特征。具体而言，每个局部点集构建一个对应于潜在空间中分布的投票，最优潜在特征是具有最高概率的特征。这种方法确保了任何后续的点云分析对局部观测具有鲁棒性，同时保证所提出的模型能够输出多种可能的结果。本文表明，所提出的方法在形状分类、部件分割和点云补全上取得了state-of-the-art的性能。
引用
@article{arxiv.2007.04537,
title = {Point Set Voting for Partial Point Cloud Analysis},
author = {Junming Zhang and Weijia Chen and Yuping Wang and Ram Vasudevan and Matthew Johnson-Roberson},
journal= {arXiv preprint arXiv:2007.04537},
year = {2021}
}
备注
IEEE Robotics and Automation Letters (RA-L)