【点云系列】An evaluation of feature encoding techniques for non-rigid and rigid 3D point cloud retrieval

1. 简介

一句话介绍：点云检索 传统方法 中流程构建及评估

论文：https://bmvc2019.org/wp-content/papers/0932.html

2. 动机

点云检索必要性：由于现阶段强大的计算资源，以及各类扫描设备，使得大量3D点云数据不断激增。如何从3D物体数据集里检索对应目标成为一个挑战。

点云检索考量方法： 虽然现阶段有很多3D点云局部特征描述子，但在检索中需要编码这些局部特征描述子成为一个全局描述子。

点云检索发展：

• 从 如何设计和生成3D目标 --> 如何快速且准确找到3D目标
• 3D object retrieval （3DOR）
• SHREC Track（已经有14年在检索内容上了）

3. 流程图

3.1 整体流程

包括3个部分：

• 特征提取：
  非刚性： IWKS
  刚性： MTCS
• 特征编码
  BoFs
  IFB
  VLAD
• 匹配
  

3.2 特征提取

点云目标： O = { o 1 , o 2 , . . . , o n } O=\{ o_1, o_2, ..., o_n\} O={ o1​,o2​,...,on​}, $n$是3D点云目标数量
每个3D点云$o_i$由$m$个点构成，表示为： o i = { p 1 , p 2 , . . . , p m } o_i = \{p_1, p_2, ..., p_m\} oi​={ p1​,p2​,...,pm​}
每个3D点云$o_i$的局部特征描述子： f = { f t , f t ∈ R D , t = 1 , . . . , m } f=\{ f_t, f_t\in \mathbb{R}^D, t=1,...,m \} f={ ft​,ft​∈