SphereNet: Learning a Noise-Robust and General Descriptor for Point Cloud Registration

要約

点群登録とは、さまざまな視点で収集された点群を整列させるための変換を推定することです。
学習ベースの点群登録では、高精度の登録には堅牢な記述子が不可欠です。
ただし、ほとんどの手法はノイズの影響を受けやすく、目に見えないデータセットに対する汎化能力が不十分です。
これを動機として、点群登録のためのノイズに強い、目に見えない一般的な記述子を学習する SphereNet を導入します。
私たちの方法では、まず、回転楕円体ジェネレーターが球面ボクセル化に基づいて幾何学的ドメインを構築し、初期特徴をエンコードします。
そこで、ノイズに対するロバスト性を実現するために、球面の球面補間を導入する。
最後に、球面完全性パディングを備えた新しい球面畳み込みニューラル ネットワークにより、記述子の抽出が完了します。これにより、特徴の損失が軽減され、幾何学的特徴が完全に捕捉されます。
私たちの方法を評価するために、強いノイズを伴う新しいベンチマーク 3DMatch-noise が導入されます。
屋内と屋外の両方のデータセットで大規模な実験が行われます。
強度の高いノイズの下では、SphereNet は 3DMatch ノイズで特徴一致再現率を 25 パーセント以上増加させます。
さらに、3DMatch および 3DLoMatch ベンチマークの登録再現率 93.5\% および 75.6\% という新しい最先端のパフォーマンスを確立し、未確認のデータセットに対する最高の汎化能力も備えています。

要約(オリジナル)

Point cloud registration is to estimate a transformation to align point clouds collected in different perspectives. In learning-based point cloud registration, a robust descriptor is vital for high-accuracy registration. However, most methods are susceptible to noise and have poor generalization ability on unseen datasets. Motivated by this, we introduce SphereNet to learn a noise-robust and unseen-general descriptor for point cloud registration. In our method, first, the spheroid generator builds a geometric domain based on spherical voxelization to encode initial features. Then, the spherical interpolation of the sphere is introduced to realize robustness against noise. Finally, a new spherical convolutional neural network with spherical integrity padding completes the extraction of descriptors, which reduces the loss of features and fully captures the geometric features. To evaluate our methods, a new benchmark 3DMatch-noise with strong noise is introduced. Extensive experiments are carried out on both indoor and outdoor datasets. Under high-intensity noise, SphereNet increases the feature matching recall by more than 25 percentage points on 3DMatch-noise. In addition, it sets a new state-of-the-art performance for the 3DMatch and 3DLoMatch benchmarks with 93.5\% and 75.6\% registration recall and also has the best generalization ability on unseen datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google