CVPRMar, 2021

使用深度空间一致性的鲁棒点云配准

PDF
TL;DR本研究提出 PointDSC，一个基于深度学习的神经网络，在点云配准中明确地引入空间一致性，通过非局部特征聚合模块和可微分谱匹配模块进行同型剪枝，实现对离群点对应关系的修剪，结果表明 PointDSC 在多个实际数据集上比基于手工和基于深度学习的离群点拒绝方法都有更好的表现，并通过与不同的 3D 局部描述符进行组合来展示其广泛的适用性。
发现论文，激发创造
  • 深度图形空间一致性用于鲁棒非刚性点云配准

    该研究提出了一种基于图形结构和局部空间一致性的筛选异常对应关系的方法，该方法适用于非刚性点云配准。

    Mar, 2023

  • 基于深度图匹配的稳健点云配准框架

    本文提出了一种基于深度图匹配的 3D 点云注册框架，通过先将点云转化为图并提取每个点的深度特征，再用深度图匹配计算软对应矩阵，从而找到更正确的对应关系，实现了在有离群点和时间约束而没有好的变换初始化时的 3D 点云快速注册。

    Mar, 2021

  • DPC: 基于交叉自身构造的无监督深度点对应

    提出一种新的实时非刚性稠密点云对应的方法 Deep Point Correspondence，该方法基于结构形状构造，需要比以往技术少得多的训练数据并且具有更好的泛化能力。

    Oct, 2021

  • 高效点云配准的动态网络

    该论文介绍了一种动态方法，通过多次迭代点云数据的注册过程，识别匹配点聚类区域，从而删除噪点，并通过评估每个注册阶段的结果以提高网络效率。实验证明，该模型相较于其他方法在相似结果上显著减少时间消耗，室内数据集 (3DMatch) 速度提升超过 41%，室外数据集 (KITTI) 速度提升 33%，同时保持竞争性的注册召回需求。

    Dec, 2023

  • SC^2-PCR: 二阶空间兼容性方法用于高效、鲁棒的点云配准

    本文提出了一种基于空间兼容性 (SC2) 的点云配准方法 (SC2-PCR)，使用二阶空间兼容性 (SC2) 度量来计算对应关系的相似度，运用全局光谱技术找到可靠种子点并使用二阶空间兼容性 (SC2) 矩阵来设计一个两阶段的策略扩展每个种子点的一致性集，然后使用加权奇异值分解算法将每个一致性集提供给生成候选刚性变换，并选择最佳模型作为最终结果，能够保证使用更少的采样找到一定数量的无离群值的一致性集，使模型估计更有效和健壮。

    Mar, 2022

  • 基于点云配准驱动的三维孪生物体追踪强鲁棒特征匹配

    本文提出一种新的点云注册驱动的 Siamese 跟踪框架，包括追踪特定的非本地注册模块和注册辅助的 Sinkhorn 模板特征聚合模块，以实现在精确定位物体的同时提高跟踪鲁棒性。

    Sep, 2022

  • 基于直接超点匹配的快速、稳健点云配准

    本文提出了一种使用全局 softmax 层直接匹配超级点以确定目标点云变换的简单而有效的方法，通过利用超级点匹配的丰富信息，可以获得更精确的变换估计，并有效地过滤掉任何后处理中的离群值，从而实现了不仅快速而且在 ModelNet 和 3DMatch 基准测试中也获得了最先进的结果。

    Jul, 2023

  • 高效对应聚类的多实例点云配准

    在点云匹配中，以距离不变性矩阵为基础进行聚类，实现了多实例姿态估计并剔除离群点的目标，其可靠性和效率均优于现有方法。

    Nov, 2021

  • 无监督点云配准的可靠内点评估

    该论文提出了一种基于邻域一致性的可靠内点评估方法，以提高无监督点云配准的精度，并利用匹配映射细化模块和内点评估模块配合实现精确配准，最终使用加权 SVD 算法进行转换估计。

    Feb, 2022

  • DeepICP: 一种用于 3D 点云配准的端对端深度神经网络

    DeepICP 是一种端到端的学习框架，采用多种深度神经网络结构来实现 3D 点云的配准，并集成了局部相似性和全局几何约束以提高配准精度和鲁棒性。

    May, 2019