学习紧凑的几何特征

我们提出了一种学习方法，用于提取无结构点云中某一点周围局部几何特征的表示。这类特征在几何配准中扮演着核心角色，支持机器人技术和三维视觉领域的多种应用。目前最先进的无结构点云局部特征均为人工设计，且没有一种特征能够同时具备精确性、紧凑性和鲁棒性的理想属性。我们证明了通过优化将高维直方图映射到低维欧氏空间的深度网络，可以从数据中学习到具有这些属性的特征。所提出的这种方法生成了一系列参数化的特征，其维度可调，并且比现有的描述符更加紧凑和准确。