Sep, 2023

SGFeat：点云配准的显著几何特征

PDF
TL;DR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。
point cloud registrationpcrsemantic-aware geometric encoderhigh-order transformersalient super points
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 学习紧凑的几何特征

    通过优化映射高维直方图到低维欧氏空间的深度网络，学习代表无序点云中点周围局部几何的特征，其表现出比现有局部特征更高的精度、紧凑性和鲁棒性，可在机器人和三维视觉的不同应用中进行几何配准。

    Sep, 2017

  • 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

  • HD2Reg: 点云配准的层次结构描述符与检测器

    本文提出了一种框架，该框架明确提取双层描述符和检测器，并与之进行粗糙到精细的匹配，以达到准确和鲁棒的点云配准。实验表明该方法的效果优于其他基于关键点的方法。

    May, 2023

  • 通过显著点分析实现无监督点云配准 (SPA)

    该论文提出了一种名为显著点分析（SPA）的无监督点云配准方法，该方法使用少量显著点可以有效地配准两个点云，相比于基于深度学习的点云配准方法，该方法具有更少的训练时间和模型大小，并且在测试 ModelNet-40 数据集的实验中表现良好。

    Sep, 2020

  • 大规模室外点云配准的深度语义图匹配

    本文将点云配准问题视为语义实例匹配和配准任务，提出了一种用于大规模室外点云配准的深度语义图匹配方法。通过利用大规模点云语义分割网络获得 3D 点云的语义类别标签，并使用欧氏聚类算法将具有相同类别标签的相邻点进行聚类。基于语义实例的空间相邻关系构建了语义邻接图，通过图卷积网络学习了几种高维特征，包括几何形状特征、语义分类特征和空间分布特征，同时应用了注意力机制进行增强。将语义实例匹配问题建模为一个最优传输问题，并通过最优匹配层进行求解。最后，根据匹配的语义实例，首先通过奇异值分解（SVD）算法获得两个点云之间的几何变换矩阵，然后使用 ICP 算法进行细化处理。实验在 KITTI Odometry 数据集上进行，所提出方法的平均相对平移误差和平均相对旋转误差分别为 6.6cm 和 0.229 度。

    Aug, 2023