本文首發于公衆号：CNNer 。每日分享CVPR、ECCV等會議，關注深度學習、自動駕駛領域，我們期待你的加入。關注“CNNer”，選擇加“星标”或“置頂”精選幹貨，當日達。
論文位址：http://arxiv.org/pdf/2001.05119v2.pdf
代碼：https://github.com/zgojcic/3D_multiview_reg
來源： 斯坦福大學
論文名稱：Learning multiview 3D point cloud registration
原文作者：Zan Gojcic
本文提出一個新穎的、端到端的多視圖3D點雲比對算法。多掃描比對通常包含兩個步驟：第一步，點對初始比對，第二步，全局一緻性驗證。第一步經常由于點雲的重疊度低、對稱和場景重複的問題，造成難以準确對齊。是以，第二步，全局優化的目的是在多個掃描之間建立循環一緻性，并幫助解決模糊比對問題。本文提出的算法，是目前已知的第一個解決以上兩個難點的端到端的學習算法。在公認的基準資料集上進行實驗評估表明，本文的端到端的算法在訓練和計算量方面比目前最新的方法具有明顯優勢。此外，本文進行詳細的分析和消融研究(消融研究：是為了研究模型中所提出的一些結構是否有效而設計的實驗)，以驗證本文算法的新組成部分的有效性。
比目前最好的比對算法的靜态旋轉誤差提高了25%的精度，同時本文的算法比設定60次循環的RANSAC算法快13倍，在新的場景中獲得了更好地表現。
下面是論文具體架構結構以及實驗結果：
聲明：文章來自于網絡，僅用于學習分享，版權歸原作者所有，侵權請聯系删除。