.png){kind=icon}
返回
S2Reg: Structure-semantics collaborative point cloud registration
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2024.111290.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云配准是三维视觉中的一个基本任务。然而，大多数现有方法主要基于几何信息定位点对应关系，或采用语义信息来过滤掉错误的对应关系。它们忽略了语义与结构之间的潜在相关性。在本文中，我们提出了一种结构-语义协作的点云配准方法。首先，我们提出了一种超点语义特征表示模块（SSFR），该模块整合了邻近点的多种语义信息以表征超点的语义。然后，通过结构-语义特征相关性带注意力引导模块（S2FLAG），我们捕获了点云内部的语义和结构全局相关性，以及点云之间的语义和结构一致性。此外，当存在点云图像时，采用图像语义分割基础模型来获取语义信息。大量实验表明，我们的方法取得了卓越的性能，尤其是在低重叠场景下。我们的代码和模型可在 https://github.com/GAOXINYU203/s2reg 获取。
Keyword:
Point cloud registration
Semantic information
Foundation model
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
分享收藏分享收藏Feature-Metric Registration: A Fast Semi-Supervised Approach for Robust Point Cloud Registration Without Correspondences特征度量配准: 一种快速的半监督方法，用于无对应的鲁棒点云配准
OAAI
OAAI分享收藏KDD: A kernel density based descriptor for 3D point cloudsKDD: 一种基于核密度的三维点云描述符.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏HRegNet: A Hierarchical Network for Large-scale Outdoor LiDAR Point Cloud RegistrationHRegNet: 一种用于大规模室外激光雷达点云配准的分层网络
OAAI
OAAI分享收藏
查看更多内容