PosDiffNet：面向大视野扰动下点云配准的位置神经扩散模型
计算机视觉与模式识别
2024-04-16 v1 人工智能
摘要
点云配准是三维计算机视觉中的一项关键技术，具有广泛的应用。然而，在大视野中存在动态物体、环境噪声或其他扰动时，该任务可能极具挑战性。为应对这一挑战，我们提出了一种名为 PosDiffNet 的模型。我们的方法基于窗口级、块级和点级对应关系进行分层配准。我们利用基于 Beltrami 流的图神经偏微分方程（PDE）来获取点云的高维特征和位置嵌入。我们将位置嵌入整合到基于神经常微分方程（ODE）的 Transformer 模块中，以高效表示点内的块。我们利用从高特征相似度得分中导出的多级对应关系来促进点云之间的对齐。随后，我们使用基于 SVD 的算法等配准方法，利用对应点对来预测变换。我们在多个三维点云数据集上评估了 PosDiffNet，验证了其在大视野扰动下的点云配准中达到了最先进（SOTA）的性能。实验的实现代码可在 https://github.com/AI-IT-AVs/PosDiffNet 获取。
引用
@article{arxiv.2401.03167,
title = {PosDiffNet: Positional Neural Diffusion for Point Cloud Registration in a Large Field of View with Perturbations},
author = {Rui She and Sijie Wang and Qiyu Kang and Kai Zhao and Yang Song and Wee Peng Tay and Tianyu Geng and Xingchao Jian},
journal= {arXiv preprint arXiv:2401.03167},
year = {2024}
}