基于深度图匹配的鲁棒点云配准框架（TPAMI版本）
计算机视觉与模式识别
2022-11-10 v1
摘要
三维点云配准是计算机视觉和机器人学中的一个基本问题。近年来，基于学习的点云配准方法取得了很大进展。然而，这些方法对离群点敏感，这会导致更多错误的对应关系。在本文中，我们提出了一种新颖的基于深度图匹配的点云配准框架。具体来说，我们首先将点云转换为图，并为每个点提取深度特征。然后，我们开发了一个基于深度图匹配的模块来计算软对应矩阵。通过使用图匹配，在建立对应关系时不仅考虑了每个点的局部几何形状，还考虑了其在更大范围内的结构和拓扑，从而找到了更多正确的对应关系。我们使用直接定义在对应关系上的损失来训练网络，在测试阶段，软对应关系被转换为硬的一对一对应关系，以便可以通过基于对应关系的求解器执行配准。此外，我们引入了一种基于Transformer的方法来生成用于图构建的边，这进一步提高了对应关系的质量。在物体级和场景级基准数据集上的大量实验表明，所提出的方法达到了最先进的性能。代码可在以下链接获取：\href{https://github.com/fukexue/RGM}{https://github.com/fukexue/RGM}。
引用
@article{arxiv.2211.04696,
title = {Robust Point Cloud Registration Framework Based on Deep Graph Matching(TPAMI Version)},
author = {Kexue Fu and Jiazheng Luo and Xiaoyuan Luo and Shaolei Liu and Chenxi Zhang and Manning Wang},
journal= {arXiv preprint arXiv:2211.04696},
year = {2022}
}
备注
accepted by TPAMI 2022. arXiv admin note: substantial text overlap with arXiv:2103.04256