关键词cross-modality registration
搜索结果 - 2
- 图像和 LiDAR 点云的可微分配准:体素点对应
通过可微分的概率 PnP 求解器学习结构化的跨模态潜空间,以表示像素特征和 3D 特征,并通过 VoxelPoint-to-Pixel 匹配设计了三元组网络,该网络使用像素和点来学习潜空间。在 KITTI 和 nuScenes 数据集上的实 - CVPRDeepI2P: 基于深度分类的图像到点云注册
本文提出了 DeepI2P:一种新的图像和点云之间的跨模态配准方法。通过将配准问题转化为分类和逆投影优化问题,并使用分类神经网络来对点云中的每个点进行分类。通过这种方法估计相对刚性变换,进而解决了图像和点云之间特征描述缺失的问题。实验结果表