UTOPIC：面向部分点云配准的不确定性感知重叠预测网络
计算机视觉与模式识别
2022-09-02 v6
摘要
高置信度的重叠预测与准确的对应关系是前沿模型以部分对部分方式对齐成对点云的关键。然而，重叠区域与非重叠区域之间固有地存在不确定性，这一点一直被忽视并显著影响配准性能。超越现有思路，我们提出一种新颖的不确定性感知重叠预测网络，称为 UTOPIC，以解决模糊的重叠预测问题；据我们所知，这是首次将点云配准中的重叠不确定性显式引入。此外，我们通过一个补全解码器诱导特征提取器隐式感知形状知识，并提出一种用于 Transformer 的几何关系嵌入，以获得变换不变的几何感知特征表示。凭借更可靠的重叠分数与更精确的稠密对应关系，UTOPIC 即便对于重叠区域有限的输入，也能实现稳定且准确的配准结果。在合成与真实基准上的大量定量与定性实验证明了我们的方法相对于当前最优方法的优越性。
引用
@article{arxiv.2208.02712,
title = {UTOPIC: Uncertainty-aware Overlap Prediction Network for Partial Point Cloud Registration},
author = {Zhilei Chen and Honghua Chen and Lina Gong and Xuefeng Yan and Jun Wang and Yanwen Guo and Jing Qin and Mingqiang Wei},
journal= {arXiv preprint arXiv:2208.02712},
year = {2022}
}
备注
Accept to Pacific Graphics 2022