RoCNet：基于深度学习的点云三维鲁棒配准
计算机视觉与模式识别
2023-10-27 v2
摘要
本文提出了一种基于深度学习的新型三维点云配准方法。该架构由三个不同的模块组成：(i) 一个编码器，由基于卷积图的描述子（编码每个点的直接邻域）和注意力机制（编码曲面法线的变化）构成。此类描述子通过突出同一集合内点之间以及两个集合点之间的注意力得以精炼。(ii) 一个匹配过程，使用 Sinkhorn 算法估计对应矩阵。(iii) 最后，利用对应矩阵中 Kc 个最佳分数，通过 RANSAC 计算两个点云之间的刚性变换。我们在 ModelNet40 数据集上进行了实验，我们提出的架构展现出非常有前景的结果，在大多数模拟配置（包括部分重叠和高斯噪声数据增强）中优于最先进的方法。
引用
@article{arxiv.2303.07963,
title = {RoCNet: 3D Robust Registration of Point-Clouds using Deep Learning},
author = {Karim Slimani and Brahim Tamadazte and Catherine Achard},
journal= {arXiv preprint arXiv:2303.07963},
year = {2023}
}
备注
8 pages