摘要
我们介绍了PPFNet——一种用于深度学习全局信息指导下的3D局部特征描述符以在无组织点云中寻找对应关系的点对特征网络（Point Pair Feature Network）。PPFNet在纯几何数据上学习局部描述符，并且高度关注全局上下文，这是深度学习中的一个重要线索。我们的3D表示方法是通过计算局部邻域内的点及其法线与点对特征的组合来实现的。我们的置换不变网络设计受到PointNet的启发，使得PPFNet具有顺序无关性。与体素化方法不同，我们的方法能够直接处理原始点云，充分利用其稀疏性。PPFNet采用了一种新颖的$\textit{N-tuple}$损失函数和架构，自然地将全局信息注入到局部描述符中。实验结果表明，上下文感知能力也显著提升了局部特征表示的效果。我们网络的定性和定量评估结果显示了更高的召回率、更强的鲁棒性和不变性，以及在3D描述符提取性能方面的重要进展。