这篇文章在2020年发表于ECCV,文章的主要工作有以下几点:
- Gridding 和 Gridding Reverse 网格化和网格反转,在不丢失信息的情况下将点云数据转为3D网格状态。
- 3D卷积网络提取网格数据特征,能够保留上下文的信息(应该就是点和点之间的联系)。
- 新的损失函数,网格损失函数,用于计算预测点云和真点云的三维网格之间的L1距离。
相关工作(看word,感觉目前看也没啥用)
对不完整的点云P,Gridding模块用于获取3D网格G
=< V, W > ,V和W分别是G的顶点集合和值集合。然后W被送入3DCNN,输出W’。然后。Gridding Reverse从 G’
=< V, W’ > 中产生一个粗的点云输出Pc。接下来,Cubic Feature Sampling从Pc中生成一个Fc。最后,用MLP把Pc和Fc作为输入得到细致的补全Pf。
Gridding
使用2D和3D卷积直接处理不规则的点云有困难,所以有一些将点云转换为体素再做卷积处理。但是将点云转换为