3DFeat-Net：用于点云配准的弱监督局部三维特征

在本文中，我们提出了3DFeat-Net，该网络能够在弱监督条件下学习三维特征检测器和描述符，用于点云匹配。与许多现有方法不同，我们不需要手动标注匹配点簇。相反，我们利用对齐和注意力机制从带有GPS/INS标签的三维点云中学习特征对应关系，而无需显式指定这些对应关系。我们创建了训练和基准的室外激光雷达数据集，实验结果表明，3DFeat-Net在这些重力对齐的数据集上取得了最先进的性能。