Advertisement

【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)

阅读量：

基于特征度量的配准：一种无需对应关系的高效半监督点云配准方法

本文对CVPR 2020框架中关于点云半监督配准问题展开综述

1. 问题

点云的弱监督配准问题

2. 思想

在这里插入图片描述

研究pointlk的一项工作指出不同姿态下的点云提取出的不同特征。随后构建一个对应的D_{i,j}来衡量不同姿态下点云特征之间的差异，并通过迭代求解得到旋转矩阵R和平移向量T。

3. 算法

在这里插入图片描述

有两个主要部分需要重点介绍：首先是编码器和解码器负责提取特征；其次是配准评估模块。

在这里插入图片描述
在这里插入图片描述

4 实验结果

在这里插入图片描述
在这里插入图片描述

该实验采用的对比算法不够完善，在有监督学习转向无监督学习的过程中取得了显著进展

全部评论 (0)

还没有任何评论哟~

相关文章推荐

【点云识别】Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud(CVPR 2020)

FeaturemetricRegistration:AFastSemisupervisedApproachforRobustPointCloudRegistrationwithoutCorrespon...

【点云识别】Grid-GCN for Fast and Scalable Point Cloud Learning (CVPR 2020)

GridGCNforFastandScalablePointCloudLearning 本文介绍一篇cvpr2020里面关于点云识别的文章。 论文 代码 1\.问题 自PointNet++和DGCNN...

【点云识别】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels(CVPR 2020)

WeaklySupervisedSemanticPointCloudSegmentation:Towards10xFewerLabels 本文介绍一篇cvpr2020里面关于点云弱监督分割的文章。

【点云识别】Adaptive Hierarchical Down-Sampling for Point Cloud Classification(CVPR 2020)

AdaptiveHierarchicalDownSamplingforPointCloudClassification 本文介绍一篇cvpr2020里面关于点云分类降采样的文章。

配准Geometric Transformer for Fast and Robust Point Cloud Registration（7-55CVPR-超点）

之前研究存在的问题、论文的出发点： 全局上下文特征对于配准很重要，Transformer被用于提取全局上下文特征，vanillaTransformer忽略了点云的几何结构，只利用高级点云特征，这使得学...

CVPR 2020——Grid-GCN for Fast and Scalable Point Cloud Learning

CVPR2020——GridGCNforFastandScalablePointCloudLearning Abstract （一）Introduction （二）RelatedWork （三）Met...

【点云识别】FPConv: Learning Local Flattening for Point Convolution (CVPR 2020)

FPConv:LearningLocalFlatteningforPointConvolution 本文介绍一篇cvpr2020里面关于点云识别的文章。 论文 代码 1\.问题 给出了一种平面化的卷积...

论文知识点CVPR-7[pairwise and multiway registration、Point Cloud Mosaicking点云拼接]

PairwiseRegistration： Pairwiseregistration涉及将部分重叠的点云对齐到一个统一的坐标系统中。 传统的pairwiseregistration方法基于几何约束，如...

Revisiting-Dilated-Convolution-A-Simple-Approach-for-Weakly-and-Semi-Supervised

when 魏云超组的18年 cvprspot who 弱监督语义分割问题的新方法，用扩张卷积得到注意力图，可能能够在GAIN的大框架上面修改 why提出 尽管弱监督分割方法取得了显着的进步，但仍然不如...

【点云语义分割】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10× Fewer Labels（CVPR 2020）

论文链接 代码链接 Motivation 弱监督工作都是利用少的标记样本去做更好的预测结果，本文的弱监督包括不完全监督，即只有少量的点带有准确的label；不准确监督，即点云的每个sample都带有一...