COTReg:Coupled Optimal Transport based Point Cloud Registration

要約

高品質の対応または一致のセットを生成することは、点群登録における最も重要なステップの 1 つです。
この論文では、3Dポイントクラウドレジストレーションの対応を予測するために、ポイントごとのマッチングと構造マッチングを一緒に考慮することにより、学習フレームワークCOTRegを提案します。
具体的には、2 つのマッチングを、それぞれワッサースタイン距離ベースおよびグロモフ-ワッサースタイン距離ベースの最適化に変換します。
したがって、対応関係を確立するタスクは、結合された最適輸送問題に自然に再形成できます。
さらに、対応を生成するためのオーバーラップ領域情報を提供する、点群の各点のインライアであるという信頼スコアを予測するネットワークを設計します。
当社の対応予測パイプラインは、FCGF などの学習ベースの機能または FPFH などの従来の記述子に簡単に統合できます。
3DMatch、KITTI、3DCSR、および ModelNet40 ベンチマークで包括的な実験を実施し、提案された方法の最先端のパフォーマンスを示しました。

要約(オリジナル)

Generating a set of high-quality correspondences or matches is one of the most critical steps in point cloud registration. This paper proposes a learning framework COTReg by jointly considering the pointwise and structural matchings to predict correspondences of 3D point cloud registration. Specifically, we transform the two matchings into a Wasserstein distance-based and a Gromov-Wasserstein distance-based optimizations, respectively. Thus the task of establishing the correspondences can be naturally reshaped to a coupled optimal transport problem. Furthermore, we design a network to predict the confidence score of being an inlier for each point of the point clouds, which provides the overlap region information to generate correspondences. Our correspondence prediction pipeline can be easily integrated into either learning-based features like FCGF or traditional descriptors like FPFH. We conducted comprehensive experiments on 3DMatch, KITTI, 3DCSR, and ModelNet40 benchmarks, showing the state-of-art performance of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google