论文精读:RPM-Net: Robust Point Matching using Learned Features

论文地址:https://arxiv.org/pdf/2003.13479.pdf

点云配准任务

点云配准可以当做一个基础的上游任务,根据从不同视角下获取的点云数据配准为完整的点云数据,下游任务众多

论文精读:RPM-Net: Robust Point Matching using Learned Features_第1张图片

基本任务:求一个变换矩阵,使得两个具有未知点的点云数据重合。

刚性与非刚性:

刚性配准:旋转和平移操作(通常不改变大小)

非刚性配准:还包括了缩放和裁剪等操作 

传统算法代表:ICP,RPM等,涉及很多经验参数选择

RPM-Net的基本思想:使用神经网络实现需要手工设计的参数和迭代

论文精读:RPM-Net: Robust Point Matching using Learned Features_第2张图片 

训练数据:

你可能感兴趣的:(3D点云实战,计算机视觉,人工智能,深度学习,神经网络)