SDFReg：学习有符号距离函数用于点云配准
计算机视觉与模式识别
2024-01-12 v2
摘要
基于学习的点云配准方法能很好地处理干净点云，但推广到含噪声、残缺和密度变化的点云仍具挑战。为此，我们针对这些不完美点云提出了一种新颖的点云配准框架。通过引入神经隐式表示，我们将点云间的刚性配准问题替换为点云与神经隐式函数之间的配准问题。进而我们提出交替优化隐式函数以及隐式函数与点云之间的配准。以此方式，点云配准可以由粗到精地进行。通过充分利用神经隐式函数的能力而无需计算点对应关系，我们的方法在噪声、不完整性和密度变化等点云挑战面前展现出显著的鲁棒性。
引用
@article{arxiv.2304.08929,
title = {SDFReg: Learning Signed Distance Functions for Point Cloud Registration},
author = {Leida Zhang and Zhengda Lu and Kai Liu and Yiqun Wang},
journal= {arXiv preprint arXiv:2304.08929},
year = {2024}
}