u012894550的博客

点云配准算法整理

Geotransformer 低重叠率点云配准

论文笔记：6-PACK6-PACK: Category-level 6D Pose Tracker with Anchor-Based Keypoints1、现存问题现有的6D跟踪方法大部分是基于物体的三维模型进行的，有较高的准确性和鲁棒性。然而在现实环境中，很难获得物体的三维模型，所以作者提出开发一种类别级模型，能够跟踪特定类别从未见过的物体。2、创新点这种方法不需要已知物体的三维模型。相反，它通过新的anchor机制，类似于2D对象检测中使用的proposals方法，来避免定义和估计绝对6D位

论文笔记：DenseFusionDenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion1、现存问题根据RGB-D图像获得6D物体姿态估计的主要挑战是融合两个数据源从RGB数据源获取信息时，遇到严重遮挡和光照问题时影响性能refine的步骤不能和前期程序构成一体优化，影响实时性效率2、创新点设计了一个像素级别的RGB和深度信息融合端到端网络能够更好的处理严重遮挡问题提出了一种迭代方法能够在端到端网络中更好的处理姿态优化问

论文笔记：PRNetPRNet: Self-Supervised Learning for Partial-to-Partial Registration1、现存问题PointNetLK和DCP证明了基于学习的配准可以比传统方法更快和鲁棒，但是依旧在处理部分-部分配准上效果不好2、创新点引入Gumbel-Softmax来确定采样关键点间的对应关系，实现网络的直通梯度估计，以获得一个尖锐和近可微的映射函数设计了一种actor-critic closest point 模块能够更好的预测比具有固定参

论文笔记：The Perfect MatchThe Perfect Match: 3D Point Cloud Matching with Smoothed Densities1、现存问题大场景三维重建需要将不同视角捕获的具有低重叠区域的点云拼接在一起。现有的点云配准方法有基于几何约束的，有匹配对应3D特征描述符的（如点分布直方图和局部表面法向量），有随着深度学习回归二研究3D局部特征的，这...

论文笔记：Geo-CNNModeling Local Geometric Structure of 3D Point Clouds using Geo-CNN1、现存问题当今好多方法将3D坐标系作为点云分析管道机制的输入层，直接从坐标系的隐式学习点云的几何特征，但是存在以下两个问题1.1 由于点云的点间的几何关系被三维坐标的大方差所淹没，导致直接从坐标数据中学习非常困难1.2 现有的方法...