PV-RAFT：用于点云场景流估计的点-体素相关场
计算机视觉与模式识别
2021-05-13 v2
摘要
本文提出一种点-体素循环全配对场变换（PV-RAFT）方法，用于从点云估计场景流。由于点云具有不规则和无序的特性，在三维空间中高效提取全配对场特征颇具挑战，而全配对相关性在场景流估计中起着重要作用。为解决该问题，我们提出点-体素相关场，以捕获点对的局部与长程依赖。为捕获基于点的相关性，我们采用 K 近邻（K-Nearest Neighbors）搜索以保留局部区域中的细粒度信息。通过以多尺度方式对点云进行体素化，我们构建金字塔相关体素以建模长程对应。结合这两类相关性，我们的 PV-RAFT 利用全配对关系来处理小幅与大幅位移。我们在 FlyingThings3D 与 KITTI Scene Flow 2015 数据集上评估所提方法。实验结果表明，PV-RAFT 以显著优势优于当前最先进（SOTA）方法。
引用
@article{arxiv.2012.00987,
title = {PV-RAFT: Point-Voxel Correlation Fields for Scene Flow Estimation of Point Clouds},
author = {Yi Wei and Ziyi Wang and Yongming Rao and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2012.00987},
year = {2021}
}
备注
Accepted to CVPR 2021