期刊专题

10.11896/j.issn.1002-137X.2019.07.042

基于深度学习的几何特征匹配方法

引用
Kinect等深度相机采集的三维数据往往存在噪音、低分辨率等问题,导致两帧点云的局部几何特征匹配一直面临挑战.目前多采用基于特征直方图的方法解决这一问题,但其计算量较大,且对场景旋转平移的要求较为严格.文中提出了一种基于数据驱动的方法,首先从大量重建好的RGB-D数据集中,通过自监督的深度学习方法构建能够描述三维数据几何特征的模型;然后利用基于KD-Tree的K近邻算法(KNN)得到两部分点云的特征对应点,通过RANSAC剔除误匹配点对;最后通过得到的较准确的位置关系估计两帧点云的几何变换,从而完成配准.基于斯坦福大学点云库中的模型以及真实环境下Kinect采集到的大卫石膏像模型的配准和比较实验表明,所提方法不仅可以提取未知物体的局部几何特征进行配准,还可以较好地应对空间角度变换大的情况.

点云特征配准、深度学习、自监督、KD-Tree、大角度变换

46

TP391(计算技术、计算机技术)

国家自然科学基金项目51538009;陕西省工业攻关项目2015GY044

2019-07-29(万方平台首次上网日期,不代表论文的发表时间)

共6页

274-279

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

46

2019,46(7)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn