Jul, 2023

GeoTransformer: 快速且鲁棒的点云配准算法与几何变换

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 点云对齐的确保异常值移除与对应

    本文介绍了一种名为“保证异常值去除”的预处理方法，该方法使用纯几何操作将输入点云的异常值数量显著减少，以便更快地执行进一步的优化，并保留全局最优解。

    Nov, 2017

  • 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

  • CoFiNet：可靠的粗到细的对应关系用于鲁棒的点云配准

    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。

    Oct, 2021

  • 完整范围内的健壮部分点云对齐

    GMCNet使用包括几何特征、自适应局部特征和基于图表征的统计建模等多种策略实现了全范围的点云配准，在点云配准方面超过了以往的最先进方法。

    Nov, 2021

  • 快速而坚固的点云配准的几何变换器

    本研究提出了一种名为几何变换器的方法，通过学习几何特征进行超级点匹配，从而实现点云配准。该方法不需要检测重复的关键点，并在低重叠情况下表现良好，能够提高内点比率和注册召回率。

    Feb, 2022

  • 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

  • 基于启发式引导的参数搜索的高效强鲁棒点云配准

    通过启发式参数搜索策略，该论文提出了一种在点云配准中加速搜索而又保持高鲁棒性的方法，通过对可行域的三阶分解和一维区间刺探的利用，降低了搜索维度，并展示了与最先进方法相当的鲁棒性和显著的效率提升。

    Apr, 2024

  • KISS-Matcher：快速而稳健的点云配准再探

    本研究针对点云配准领域中的多种具体组件进行的快速发展，提出了一种全面的解决方案，开发了开源的C++库KISS-Matcher。该库结合了新型特征检测器Faster-PFH和基于$k$-core的图论修剪技术，显著提升了配准速度和应用广度，同时保持了高准确率，展示了优越的可扩展性。

    Sep, 2024