PointMBF：一种用于无监督 RGB-D 点云配准的多尺度双向融合网络
计算机视觉与模式识别
2023-08-10 v1
摘要
点云配准是估计两幅未对齐扫描间刚性变换的任务，在许多计算机视觉应用中起着重要作用。以往基于学习的工作通常关注有监督配准，这在实践中存在局限。近来，随着廉价 RGB-D 传感器的进步，若干基于学习的工作利用 RGB-D 数据实现无监督配准。然而，大多数现有无监督方法遵循级联设计或以单向方式融合 RGB-D 数据，未能充分利用 RGB-D 数据中的互补信息。为更有效利用互补信息，我们提出了一种在 RGB 图像与由深度图像生成的点云之间实现多尺度双向融合的网络。通过多尺度双向融合视觉与几何特征，可获得更具区分性的用于对应估计的深度特征，使我们的配准更精确。在 ScanNet 和 3DMatch 上的大量实验表明，我们的方法取得了新的最优（SOTA）性能。代码将发布于 https://github.com/phdymz/PointMBF
引用
@article{arxiv.2308.04782,
title = {PointMBF: A Multi-scale Bidirectional Fusion Network for Unsupervised RGB-D Point Cloud Registration},
author = {Mingzhi Yuan and Kexue Fu and Zhihao Li and Yucong Meng and Manning Wang},
journal= {arXiv preprint arXiv:2308.04782},
year = {2023}
}
备注
Accepted to the ICCV 2023