备注:研究方向+地点+学校/公司+昵称,更快通过申请,长按加细分领域技术交流群,目前有细分领域:图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理(分割检测)、深度学习。
获取完整原文,公众号回复:2009.00258
论文地址: http://arxiv.org/pdf/2009.00258v1.pdf
代码: https://github.com/fabiopoiesi/dip
来源: Fondazione Bruno Kessler
论文名称:Distinctive 3D local deep descriptors
原文作者:Fabio Poiesi
内容提要
本文提出了一种简单但有效的方法来学习独特的3D局部深度描述符(DIPs),不需要初始对齐就可以用于注册点云。利用基于点网的深度神经网络提取点云斑块,根据估计的局部参考框架进行规范化,并将其编码为旋转不变的紧凑描述符。DIPs可以有效地在不同的传感器模式中进行推广,因为它们是从局部和随机采样点中端到端学习的。由于DIPs只编码局部几何信息,对乱序、遮挡和缺失区域具有较好的鲁棒性。在使用不同传感器重构的点云组成的室内和室外数据集上,我们评估和比较DIPs和手工制作的深度描述符的不同。结果表明DIPs 非常优秀,具体包含三个方面:(1)在RGB-D室内场景(3DMatch数据集)上取得了与最先进水平相当的结果,(2)在激光扫描仪室外场景(ETH数据集)上超越最先进的水平,(3)推广到为室内场景重建与Android ARCore的视觉slam系统。
主要框架及实验结果
PS:腾讯最近更改公众号推送规则,文章推送不在按照时间排序,而是通过智能推荐算法有选择的推送文章,为了避免收不到文章,看完文章您可以点击一下右下角的"在看",以后发文章就会第一时间推送到你面前。
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。