CVPRApr, 2021
RPSRNet: 使用 Barnes-Hut $2^D$-Tree 表示的端到端可训练的刚性点集配准网络
RPSRNet: End-to-End Trainable Rigid Point Set Registration Network using Barnes-Hut $2^D$-Tree Representation
Sk Aziz Ali, Kerem Kahraman, Gerd Reis, Didier Stricker
TL;DR提出了一种新型的端到端可训练的深度神经网络 RPSRNet,用于刚性点集配准,使用了 $2^D$-tree 表示输入点集,并在神经网络中使用分层深度特征嵌入,包括迭代变换细化模块,可以有效地处理噪声和非均匀采样密度的 LiDAR 等数据,相比之前的最新方法在点云配准上具有更好的准确性。