简介
分享主题:《CVPR 2021 Oral] Registration of Point Clouds with Low Overlap》
分享嘉宾:黄盛宇,苏黎世联邦理工一年级博士生,导师为Prof. Dr. Konrad Schindler 和Prof. Dr. Andreas Wieser,从事点云感知方面的研究。个人主页:shengyuh.github.io
内容介绍:
文章:[CVPR 2021 Oral] PREDATOR: Registration of 3D Point Clouds with Low Overlap
介绍: 提出了PREDATOR, 一种用于两帧低重叠度点云配准的新型网络。以往基于深度学习的点云配准方法大多使用全卷积网络处理每一帧点云提取点特征,然后进行随机采样和特征匹配处理,最后通过RANSAC/Kabsch algorithm进行位姿估计。这种处理方式对点云重叠度较小的情况不够鲁棒,当两帧待配准点云重叠度很小时,会有大量随机采样得到的特征点不在重叠区域间,也就无法得到同名点,最后导致RANSAC的输入中有很多outlier,在有限的迭代内无法找到正确的inlier set.
本文将重叠信息纳入了考虑,通过一个重叠区注意力模块捕捉了该重叠信息,最后给每个点生成一个热力图,用于特征点的采样,使得最后采样的点在重叠区域且显著。
该方法在3DMatch, odometryKITTI 和 ModelNet 三个数据集上都验证了有效性。作者提供了包括KPConv和Sparse Convolution两种实现方式,代码已经开源。
关键词:注意力机制、点云配准