PointCLM：基于对比学习的多实例点云配准框架
计算机视觉与模式识别
2022-09-02 v1
摘要
多实例点云配准是在目标点云中估计源点云多个实例位姿的问题。解决该问题具有挑战性，因为一个实例的内点对应构成所有其他实例的外点。现有方法常依赖耗时的假设采样或利用空间一致性的特征，导致性能有限。本文中，我们提出 PointCLM，一种基于对比学习的多实例点云配准框架。我们首先利用对比学习为输入的假定对应学习分布良好的深度表示。然后基于这些表示，提出一种外点剪枝策略与聚类策略，以高效剔除外点并将剩余对应分配到正确实例。我们的方法在合成与真实数据集上均以大幅优势超越最先进方法。
引用
@article{arxiv.2209.00219,
title = {PointCLM: A Contrastive Learning-based Framework for Multi-instance Point Cloud Registration},
author = {Mingzhi Yuan and Zhihao Li and Qiuye Jin and Xinrong Chen and Manning Wang},
journal= {arXiv preprint arXiv:2209.00219},
year = {2022}
}