基于隐式描述符的三维模型对应关系计算

三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识,以对模型各部分之间的几何相似性进行编码,解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记,根据模型对应表面点之间的相似度隐式地计算数据驱动描述符,在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明,相较基于先验知识的计算方法,该方法能提高三维模型对应关系计算结果的准确率,且可有效降低测地误差。