CVPRMar, 2022

SC^2-PCR: 二阶空间兼容性方法用于高效、鲁棒的点云配准

PDF
TL;DR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。
发现论文，激发创造
  • PCR-99：一种 99% 异常值点云配准的实用方法

    提出了一种能处理未知比例尺和极端异常值比例的点云配准鲁棒方法 PCR-99，使用确定性 3 点采样方法和两个新机制，显著提高了速度：(1) 基于两两比例一致性的样本改进排序，优先考虑更可能为内点的点对应关系，(2) 基于三元比例一致性的高效异常值剔除方案，预筛坏样本并减少待测试假设数量。评估结果表明，该方法在高达 98% 的异常值比例下，与现有技术相比能取得可比较的性能。然而，在 99% 的异常值比例下，无论是已知比例尺问题还是未知比例尺问题，该方法均表现优于现有技术，尤其是对于后者，在鲁棒性和速度方面表现出明显的优越性。

    Feb, 2024

  • 使用深度空间一致性的鲁棒点云配准

    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。

    Mar, 2021

  • 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

  • SGFeat：点云配准的显著几何特征

    点云配准是计算机视觉中的关键问题之一，本研究提出了一种新的框架，包括语义感知几何编码器、高阶变换器和显著性超级点，通过减少歧义性、提取显著点，并考虑全局几何一致性，成功地实现了点云的配准。

    Sep, 2023

  • DiffusionPCR: 强韧多步点云配准的扩散模型

    我们提出了一种基于扩散密集噪声去除的概率模型来解决点云配准问题，通过将离线模型的预测结果映射到真实结果来训练模型，并且通过旋转矩阵的变换和刚体变换的辅助信息逐步提高配准的准确性。在 3DMatch 和 3DLoMatch 上的实验证明了我们的 DiffusionPCR 在注册率方面具有世界领先水平 (95.3%/81.6%)。

    Dec, 2023

  • 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

  • PCR-CG: 深度颜色和几何形状的点云配准

    介绍了一个新的 3D 点云注册模块 PCR-CG，它将颜色信号显式地嵌入几何表示中，并使用 2D-3D 跨模态学习算法将像素特征与点云有效地关联起来，从而实现了较高的点云注册召回率。

    Feb, 2023

  • 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

  • 基于深度学习的点云配准的综合调查与分类

    本篇综述调查了基于深度学习的点云配准技术，包括数据集和评估指标，对现有的研究进行了分类，并提出未来研究的挑战和方向。

    Apr, 2024

  • 基于球坐标的学习式点云压缩

    近年来，学习的点云压缩任务得到了广泛关注。本文介绍了一种基于球坐标系的学习式点云压缩（SCP）的模型无关方法，以充分利用点云中的圆形和方位角不变性特征，并提出了用于 SCP 的多级八叉树，以减小球坐标系八叉树中远距离区域的重建误差。实验结果表明，SCP 在点对点 PSNR BD-Rate 方面超过了先前的最先进方法，提高了 29.14%。

    Aug, 2023