DPCN-- Differentiable Phase Correlation Network for Versatile Pose Registration
DPCN++:多用途位姿配准的可微分相位相关网络
Zexi Chen , Yiyi Liao , Haozhe Du , Haodong Zhang , Xuecheng Xu , Haojian Lu ,Rong Xiong , and Yue Wang
摘要
姿态配准在视觉和机器人学中至关重要。本文聚焦于无需初始化的7自由度姿态配准这一具有挑战性的任务,适用于同质和异质测量。虽然近期基于学习的方法利用可微分求解器展现出前景,但它们要么依赖于启发式定义的对应关系,要么需要初始化。相位相关在频谱域中寻找解决方案,无需对应关系和初始化。基于此,我们提出了一种可微分求解器,并将其与简单的特征提取网络结合,即DPCN++。它能够对同质/异质输入执行配准,并且在未见过的物体上具有良好的泛化能力。具体来说,特征提取网络首先从一对同质/异质测量中学习密集的特征网格。然后,这些特征网格通过基于傅里叶变换和球面径向聚合的转换,变为平移和尺度不变性的频谱表示&#