【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)

Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud Registration without Correspondences

本文介绍一篇cvpr2020里面关于点云半监督配准的文章。
论文
没有开源代码

1. 问题

点云的弱监督配准问题

2. 思想

【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第1张图片
follow pointlk的一份工作,认为不同位姿的点云提取出的特征是不同的。那么将point set的global feature resize成一个map,然后计算不同位姿点云特征的差异,以此为目标函数迭代求解R,T。

3. 算法

【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第2张图片
两个分支,一个是encoder 和 decoder用于提取特征。另外一个分支是衡量配准的精度。
【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第3张图片
【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第4张图片

4 实验结果

【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第5张图片
【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)_第6张图片
实验的对比算法不全,没有比较SOTA。消融实验不充分,量化结果不清晰。

你可能感兴趣的:(点云识别)