Oct, 2021

CoFiNet：可靠的粗到细的对应关系用于鲁棒的点云配准

HTML
PDF
TL;DR本文介绍了一种名为CoFiNet的粗糙到精细网络技术，该技术无需进行关键点检测，而是通过权重方案从粗糙到精细地提取点云之间的对应关系并进行匹配。在标准测试中，CoFiNet在室内和室外场景上都比现有方法表现优越，特别是在3DLoMatch上，其Registration Recall性能提高至少5％，而参数至多只有现有方法的三分之二。
发现论文，激发创造
  • 迭代全局相似点：针对成对三维点云配准的健壮粗-精匹配方案

    该研究提出了一种新的方法，使用混合度量空间（例如BSC特征和欧几里德几何空间）和全局最优对应匹配，通过粗到细的迭代优化对点云进行配准，并在多个测试数据集上取得了好的性能表现。

    Aug, 2018

  • SDRSAC: 基于半正定随机化方法的点云无对应项鲁棒配准

    本文提出了一种无需对应的鲁棒点云配准随机算法，并将其视为图匹配的特例，通过使用有效的半定松弛和新颖的采样机制，在采样大小大于最小值的前提下，实现了对野值的快速拒绝，从而获得高质量的假设。通过实验，证明了该方法的有效性。

    Apr, 2019

  • TEASER：快速且可认证的点云配准

    提出了一个名为TEASER的算法，它使用TLS成本和图论框架来解决3D点集之间的快速且可靠的配准问题，能够在存在大量离群值的情况下有效地工作。该算法还提供了理论误差界限，并且在标准和3DMatch基准测试中都表现出跨越式的性能优势。

    Jan, 2020

  • CorrNet3D: 3D点云密集对应的无监督端到端学习

    本文介绍了一种基于无监督和端到端深度学习的框架CorrNet3D，以学习3D形状之间的密集对应关系，并证明了其相对于最先进的方法具有更好的性能，源代码和预先训练好的模型可通过链接获得。

    Dec, 2020

  • 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

  • CFI2P: 粗到精的跨模态对应学习用于图像到点云匹配

    本研究提出了一种基于粗-精匹配的框架，在该框架中，将图片和点云转化为局部表示，并利用了attention来捕捉全局和跨模态上下文，并通过设计良好的采样和精细匹配来细化点到像素的对应关系，从而解决了图像与点云匹配的问题，并在大规模室外数据集上取得了优于现有方法的结果。

    Jul, 2023

  • GeoTransformer: 快速且鲁棒的点云配准算法与几何变换

    本论文研究了点云配准中准确提取对应关系的问题，通过绕过重复关键点的检测，利用超点实现了匹配，并提出了一种名为几何变换器（GeoTransformer）的方法来学习几何特征，从而使得在低重叠情况下具有鲁棒性。实验证明该方法在各种测试场景下都表现出了显著的准确性和效率。

    Jul, 2023

  • 2D3D-MATR: 图像与点云之间基于2D-3D匹配变换器的无检测配准

    采用2D3D-MATR方法，我们提出了一种无需检测的方法，用于图像和点云之间的准确且鲁棒的配准。该方法在粗匹配的基础上，通过学习全局上下文约束和跨模态相关性，通过transformer实现多尺度金字塔和图像块焦点学习，解决了尺度不确定性问题，从而获得了比之前的最优模型P2-Net更高的配准率和稳定度。

    Aug, 2023

  • OAAFormer：基于Transformer的点云重建的鲁棒且高效的重叠感知配准

    提出了一种名为OAAFormer的方法，以提高点云注册中的匹配质量，通过软匹配机制和区域注意力模块，从粗到细级别传播和优化对应关系，最终在3DLoMatch基准测试上实现了显著的内点比例增加和注册召回提升。

    Oct, 2023

  • 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