即将开源 | CVPR2020 | RPM-Net | 3D点云匹配算法性能表现SOTA

2020-06-19 15:38:23 浏览数 (1)

论文地址:https://arxiv.org/abs/2003.13479 代码:https://github.com/yewzijian/RPMNet.git 来源:新加坡国立大学 论文名称:RPM-Net: Robust Point Matching using Learned Features 原文作者:Zi Jian Yew

精选论文学习分享,实时分享当前热点算法。论文学习、下载,请关注公众号:CNNer

ICP算法主要包含两个步骤,首先,获取最近点之间的点对配对关系,然后使用最小二乘得到最优的刚体变换。基于空间距离的点对匹配过程受点云的初始位姿和噪声点影响较大,该问题经常导致ICP算法得到错误的极小值收敛结果。本文中,我们提出的RPM-Net是一个基于深度学习的点云配匹配算法,并且其对点云的初始位姿不敏感。本文网络结构使用可微的Sinkhorn层和退火算法,通过学习融合空间特征和局部几何信息的特征得到点对之间的匹配关系。为了进一步改善点云的匹配结果,本算法提出了一个二次网络用于预测最优的退火算法参数。与当前已有的一些算法不同,RPM-Net算法通过局部可见性处理点云匹配过程的匹配丢失问题。实验结果表明与已有的深度学习方法和非深度学习方法相比,本文的算法均表现SOTA。

本文提出的RPM-Net网络使用基于深度学习的方法进行点云匹配,该方法通过学习融合多种特征,具有初值不敏感的特性。进一步,通过使用可微的Sinkhorn可以有效的处理匹配过程的外点。同时使用一个二次网络来学习优化退火算法的参数得到更好的执行效果。

下面是论文具体框架结构以及实验结果:

实时分享最新论文

声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请联系删除

0 人点赞