Robust Point Cloud Registration Framework Based on Deep Graph Matching
代码地址:在公众号「计算机视觉工坊」,后台回复「鲁棒点云」,即可直接下载。
目前领域存在的问题:
现有的方法在异常值占比大和时间限制的情况下没有良好的变换初始化。
基于学习的方法对异常值很敏感,导致更多的不正确对应。
论文贡献:
首次提出利用深度图匹配来解决点云配准问题。图匹配不是仅仅利用每个点的特征,而是利用其他节点的特征和图的结构信息建立对应关系,从而更好地解决离群点的问题。
引入AIS模块来建立两个给定图的节点之间可靠的对应关系。AIS模块根据嵌入特征计算任意两个节点之间的亲和矩阵,通过全局分析亲和矩阵并利用Sinkhorn算法,可以有效减少错误通信的比例。
提出使用转换器生成软图边。在对局部点云进行配准时,利用转换器中的注意和共同注意机制,可以对重叠部分建立更好的对应关系。
方法在干净的、有噪声的、部分到部分数据集和看不见的类别数据集上实现了最先进的性能。
算法理论:
图1是作者提出的RGM的整体pipeline。RGM由四部分组成:局部特征提取器、边生成器、图形特征提取器和AIS模块以及LAP-SVD。