基于显著点分析 (SPA) 的无监督点云配准
计算机视觉与模式识别
2020-09-04 v1
摘要
本文提出一种称为显著点分析 (SPA) 的无监督点云配准方法。所提 SPA 方法仅使用一小部分显著点即可有效配准两个点云。它首先将点云应用于 PointHop++ 方法，基于点的局部表面特征在两个点云中寻找对应显著点，并通过匹配对应显著点完成配准。相较于近期基于深度学习的配准方案，SPA 方法具有若干优势。PointNetLK 与 DCP 等深度学习方法训练端到端网络并依赖全监督（即真实变换矩阵与类别标签）。相反，SPA 完全无监督。此外，SPA 的训练时间与模型规模均大幅减小。在 ModelNet-40 数据集上对已见与未见类别及含噪点云的实验证明了 SPA 方法的有效性。
引用
@article{arxiv.2009.01293,
title = {Unsupervised Point Cloud Registration via Salient Points Analysis (SPA)},
author = {Pranav Kadam and Min Zhang and Shan Liu and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2009.01293},
year = {2020}
}
备注
7 pages, 5 figures, final version is accepted by IEEE International Conference on Visual Communications and Image Processing (VCIP) 2020