加权点云法向估计
计算机视觉与模式识别
2023-05-09 v1
摘要
现有的点云法向估计方法通常对严重噪声和复杂几何结构不够鲁棒，且在法向估计过程中往往忽略不同邻域点的贡献，导致结果不够精确。本文中，我们提出一种面向三维点云数据的加权法向估计方法。我们在两个关键点上进行创新：1）我们开发了一种新颖的加权法向回归技术，从局部点块中预测逐点权重，并将其用于鲁棒且保特征的法向回归；2）我们提出在点块与其对应中心点的真实法向之间进行对比学习，作为预训练过程以促进法向回归。综合实验表明，我们的方法能鲁棒地处理含噪及复杂点云，在合成与真实数据集上均达到SOTA性能。
引用
@article{arxiv.2305.04007,
title = {Weighted Point Cloud Normal Estimation},
author = {Weijia Wang and Xuequan Lu and Di Shao and Xiao Liu and Richard Dazeley and Antonio Robles-Kelly and Wei Pan},
journal= {arXiv preprint arXiv:2305.04007},
year = {2023}
}
备注
Accepted by ICME 2023