【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
在这里插入图片描述

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
    在这里插入图片描述

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 n n是3D点云目标数量
每个3D点云 o i o_i oi m m 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 o_i oi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

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值