关键词3d point cloud registration
搜索结果 - 7
- 经典和基于学习的多波束点云配准的基准测试
通过西南极无人潜水器构建的半合成 MBES 数据集,系统评估了 2 种经典方法和 4 种基于学习的方法的性能,结果表明基于学习的方法在粗对齐方面表现良好,并能在高重叠度(20-50%)时一致地恢复粗略变换。相比之下,GICP(ICP 的变种 - CVPR最大团的 3D 配准
本文提出了一种基于最大团的三维点云配准方法,使用图形挖掘更多的局部信息来获取更精确的姿态假设并且在多项实验中表现出比其他算法更好的性能。
- ECCVPCR-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。
- VRNet: 3D 点云对齐的矫正虚拟对应点学习
提出了一种新型的鲁棒的三维点云配准框架,该框架结合了虚拟点方法和修正化的虚拟对应点方法。其中,利用估计的软匹配矩阵建立初始虚拟对应点,之后通过校准步骤形成修正化的虚拟对应点,并运用混合损失函数来保持形状和几何结构的一致性,从而实现了快速而准 - 使用代表性重叠点进行点云配准
本研究提出了一种新的深度学习模型 ROPNet,它利用具有鉴别性特征的代表性重叠点进行注册,从而将局部到局部的注册转化为局部到完全的注册。实验表明,该方法在嘈杂且部分重叠的点云中表现出卓越的性能。
- 基于配对约束的可实践最大团算法
本文提出了一种非常高效的最大团算法,通过组合策略和基于图着色的边界和修剪,解决了匹配的成对约束问题,从而解决了三维点云配准中的问题。
- 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。