点云从入门到精通技术详解100篇-基于深度学习的点云场景流估计

目录

前言

研究现状及分析

2 基于深度学习的点云场景流估计技术综述

2.1 场景流估计任务的定义

2.2 匹配技术

2.2.1 嵌入式匹配

2.2.2 代价体匹配

2.2.3 最优传输匹配

2.3 网络框架

2.3.1 嵌入式框架

2.3.2 金字塔框架

2.3.3 迭代框架

2.4 损失函数

2.4.1 点对点损失

2.4.2 局部约束

2.5 数据集及评价指标

2.5.1 数据集

2.5.2 评价指标

3 基于邻域一致性的点云场景流传播更新方法

3.1 初始场景流估计网络

3.1.1 特征金字塔

3.1.2 上采样层

3.1.3 重投影层

3.1.4 代价体层

3.1.5 场景流估计器

---

本文篇幅较长，分为上下两篇，下篇详见基于深度学习的点云场景流估计（续）

前言

随着视觉任务从二维图像向三维、连续等方向发展，将图像上的深度估计、光流估

计等任务扩展到三维运动场景中便是场景流估计任务。随着人们对视觉感知的要求从二

维图像向三维空间或者视频序列发展，估计场景中的动态信息便成为了迫切的需求，场

景流估计任务便成为了近年来计算机视觉领域热门的研究领域。同时随着激光雷达传感

器（