含位姿扰动的时序点云补全
计算机视觉与模式识别
2022-02-08 v1
摘要
真实世界传感器采集的点云通常未对齐且稀疏，难以从单帧数据重建物体完整形状。本工作中，我们通过有限的平移与旋转，从含位姿扰动的稀疏输入提供完整点云。我们还利用时序信息增强补全模型，以输入序列优化输出。借助作为时序单元的门控循环单元(GRU)与注意力机制，我们提出一种点云补全框架，接受未对齐稀疏输入序列，输出一致且对齐的点云。我们的网络以在线方式运行，并为每帧给出优化点云，使其可集成至任意 SLAM 或重建流水线。据我们所知，我们的框架首个利用时序信息并在有限变换下确保时序一致性。通过在 ShapeNet 与 KITTI 上的实验，我们证明了框架在合成与真实数据集上均有效。
引用
@article{arxiv.2202.03084,
title = {Temporal Point Cloud Completion with Pose Disturbance},
author = {Jieqi Shi and Lingyun Xu and Peiliang Li and Xiaozhi Chen and Shaojie Shen},
journal= {arXiv preprint arXiv:2202.03084},
year = {2022}
}
备注
8 pages; Accepted by RAL with ICRA 2022