在本文中,通过结合 point-wise 和 patch-wise 方法,在效率和泛化性方面实现了完美的平衡。此外还提出了一种有效且通用的搜索机制来提高对应关系的内点率。所提出的配准框架称为 BUFFER,主要由 Point-wise Learner、Patch-wise Embedder 和 Inliers Generator 组成。输入点云首先被输入到逐点学习器中,其中使用新颖的...
在本文中,通过结合 point-wise 和 patch-wise 方法,在效率和泛化性方面实现了完美的平衡。此外还提出了一种有效且通用的搜索机制来提高对应关系的内点率。所提出的配准框架称为 BUFFER,主要由 Point-wise Learner、Patch-wise Embedder 和 Inliers Generator 组成。输入点云首先被输入到逐点学习器中,其中使用新颖的...
一个理想的点云配准框架应具备卓越的精度、可接受的效率和强大的泛化能力。然而,这是非常具有挑战性的,因为现有的配准技术要么不够准确,要么效率低下,要么泛化能力差。如何在这三个关键要素之间取得令人满意的平衡仍然是一个悬而未决的问题。在本文中提出了BUFFER,一种点云配准方法,用于平衡精度、效率和泛化能力。本...