- …
- …
#159
summarized by : Naoya Chiba
どんな論文か？
大規模な点群の位置合わせ手法の提案．特徴点と対応する特徴量を階層的に抽出し，それぞれの段階で徐々にFineになるように並進・回転を推定する．点群間でのコンセンサス・近傍点との間のコンセンサスを考慮した特徴量の計算を行うことで，誤対応しにくく正しい点を選択できる特徴量を学習できる．
新規性
階層的な特徴点抽出とそれに合わせた特徴量計算を行う点，特徴量の学習にコンセンサスを考慮した点が新規．点群間でのコンセンサスは対応点について一方向ではなく相互に近傍であることを期待する．近傍点についてのコンセンサスでは対応する点の空間的な近傍の点から得られる特徴量が近いことを期待する．
結果
KITTIとNuScenesで学習・評価．学習ベースの手法・ハンドクラフト手法と比較し，いずれのデータセットについての高い性能を実現した．Ablation Studyとして階層的な位置合わせ・導入したロス関数の有効性を示した．
その他（なぜ通ったか？等）
- …
- …