基于特征聚合的点云密集对应估计网络

随着点云数据应用范围的扩增,估计三维点云之间的密集对应关系的研究受到了广泛的关注。对于点云密集对应关系估计的任务来说,提高点云逐点特征的表示能力和鲁棒性是关键。然而,前人方法中的特征编码模块仅利用了局部邻域特征,并简单地直接将每个阶段的输出级联作为最终特征。因此,首先提出了一个全局特征聚合模块,用于显式地在网络的各个阶段提取全局上下文信息并将其聚合到局部特征中,从而提高逐点特征的表示能力。此外,还提出了一个基于注意力机制的多阶段特征聚合模块,用于自适应地聚合来自特征编码模块不同阶段的特征,增强网络的鲁棒性。在人体和动物的点云数据集上进行实验,实验结果表明该方法相比最近的密集对应估计方法有显著提升,达到了目前先进水平。