USIP：从三维点云中进行无监督稳定兴趣点检测
计算机视觉与模式识别
2019-04-02 v1
摘要
本文提出 USIP 检测器：一种无监督稳定兴趣点（interest point）检测器，可在任意变换下从三维点云中检测出具有高重复性和精确定位的 keypoints，且无需任何真值训练数据。我们的 USIP 检测器由一个特征提议网络组成，该网络从输入的三维点云及由随机生成的变换得到的相应变换点对中学习稳定关键点。我们给出了 USIP 检测器的退化分析并提出了防止退化的解决方案。我们通过概率倒角损失（probabilistic chamfer loss）鼓励关键点的高重复性和精确定位，该损失最小化从训练点云对中检测到的关键点之间的距离。在来自 Lidar、RGB-D 和 CAD 模型的多个模拟与真实世界三维点云数据集上的重复性测试的广泛实验结果表明，我们的 USIP 检测器显著优于现有的手工设计和基于深度学习的三维关键点检测器。我们的代码已在项目网站 https://github.com/lijx10/USIP 提供。
引用
@article{arxiv.1904.00229,
title = {USIP: Unsupervised Stable Interest Point Detection from 3D Point Clouds},
author = {Jiaxin Li and Gim Hee Lee},
journal= {arXiv preprint arXiv:1904.00229},
year = {2019}
}
备注
19 pages