CVPRFeb, 2018

PPFNet: 全局上下文感知的局部特征用于强健的三维点匹配

PDF
TL;DR本文提出 PPFNet——Point Pair Feature 网络，用于深度学习全局细节感知的三维局部特征描述符，以在无组织的点云中找到对应点。通过在纯几何图形上学习本地描述符，并高度关注全局上下文，实现 3D 表示为点对特征及局部邻域内的点和法向量的组合，并使用新型 N-tuple loss 和架构将全局信息自然地注入本地描述符中，实现量化和定性评价，证明了上述方法在 3D 描述符提取性能中的作用。
ppfnetpoint pair feature networklocal feature descriptorunorganized point cloudsglobal context
发现论文，激发创造
  • PPF-FoldNet：无监督学习旋转不变的三维局部描述符

    本研究提出了 PPF-FoldNet，它基于基于折叠的自编码器计算点对特征，可以用于学习 3D 本地描述符，具有旋转不变性，并且在标准基准数据集上取得了最新的结果。

    Aug, 2018

  • 用于直接配对注册的三维局部特征

    本文提出了一种基于数据驱动的方法来解决点云配准问题，通过增加姿态变换描述符的相对姿态估计网络来实现对于全球配准的转换线索，然后通过假设和验证算法来快速使用预测进行对齐，实验表明这种方法在点云配准问题上的表现超过了现有技术。

    Apr, 2019

  • PF-Net：用于 3D 点云补全的点分形网络

    本文提出了基于点分形网络的学习方法 Point Fractal Network（PF-Net），用于精确高保真度的点云补全，通过多尺度生成网络进行缺失点云的预测。同时，通过多阶段的补全误差和对抗损失来生成更真实的缺失区域，实验证明了该方法的有效性。

    Mar, 2020

  • 3DFeat-Net: 基于弱监督的点云局部 3D 特征匹配

    本文提出 3DFeat-Net 算法，利用弱监督学习 3D 特征检测器和描述符，通过对齐和注意机制学习 GPS/INS 标记的 3D 点云的特征对应关系，无需显式指定匹配点群，实验表明其在室外重力对齐数据集上取得了最优表现。

    Jul, 2018

  • P2-Net：针对像素和点匹配的局部特征描述和检测的联合方法

    提出了一个双重完全卷积框架，用于建立 2D 图像和 3D 点云之间的精细对应关系，以直接匹配像素和点，并实现了室内视觉定位的任务中领先的最优结果。

    Mar, 2021

  • 使用点对特征进一步提升

    本文介绍了一种改进的点对特征方法，通过引入新的采样技术和投票策略，显著降低了噪声和背景干扰对算法的影响，实验表明，该方法在低计算成本下优于目前同类方法，能够检测出具有挑战性的物体。

    Nov, 2017

  • PCPNET: 从原始点云学习局部形状属性

    本文提出了一种基于深度学习的点云局部三维形状属性估计方法 PCPNet，采用基于 patch 的学习方法，结合多尺度编码，能在强噪声和多尺度特征的情况下更好地估计法线及曲率等局部形状信息。我们的方法在结构化三角网格训练数据上训练，可以在处理噪声点云时得到比现有技术更好的结果，并成功在形状重构方面得到应用。

    Oct, 2017

  • Mini-PointNetPlus：一种用于三维环境感知的深度学习模型的局部特征描述器

    通过使用 mini-PointNetPlus，我们提出了一种新的局部特征描述子，用于在深度学习模型中提取点云的特征，并在实验证明其能够显著提高三维感知的性能。

    Jul, 2023

  • LPD-Net：大规模场景识别和环境分析的 3D 点云学习

    本文提出了一种名为 LPD-Net 的深度神经网络，它可以从原始 3D 点云数据中提取判别性和可推广性的全局描述符，用于解决基于点云的识别任务，并与 PointNetVLAD 和基于视觉的解决方案进行了比较。

    Dec, 2018

  • 基于图注意力的点云局部特征开发神经网络 GAPNet

    本研究基于图形注意力机制，提出了一个新的神经网络 GAPNet，用于学习点云中的局部几何表示，并且在形状分类和部分分割任务中，取得了最先进的性能。

    May, 2019