EGST:用于点云注册的增强几何结构变压器

科学领域:

• 计算机视觉 计算机视觉
• 几何深度学习 几何深度学习
• 3D数据处理 3D数据处理

背景情况:

• 点云注册对于3D数据分析至关重要,需要准确估计刚性转换.
• 当前的方法往往忽略了关键的几何信息,限制了它们捕捉全球背景的能力.
• 在点云注册中,只有坐标的方法无法利用丰富的结构特征.

研究的目的:

• 提出一个增强的几何结构变压器 (EGST) 改进点云注册.
• 增强学习的上下文几何特征和模型结构在点云之间的一致性.
• 开发一种方法来提取可靠的对应信息,以便准确的注册.

主要方法:

• 拟议的EGST编码了三个明确增强的几何结构.
• 它模拟点云之间的结构一致性,以促进可靠的对应提取.
• 网络学习几何结构特征,没有明确的位置嵌入或交叉注意模块.

主要成果:

• EGST有效地从点云中学习有意义的几何结构特征.
• 该方法在合成和现实世界数据集上取得了竞争力的结果.
• 通过省略位置嵌入和功能交换模块,EGST简化了网络架构.

结论:

• 增强的几何结构变压器提供了一种简化但有效的点云注册方法.
• 显式编码几何结构显著提高了可靠对应的提取.
• 拟议的方法显示出强大的性能和3D数据处理任务的潜力.