摘要
我们介绍了Lepard，这是一种基于学习的方法，用于刚性和可变形场景中的部分点云匹配。该方法的关键特性包括以下几种利用3D位置知识进行点云匹配的技术：1）一种将点云表示分解为特征空间和3D位置空间的架构。2）一种通过向量的点积显式揭示3D相对距离信息的位置编码方法。3）一种修改跨点云相对位置的重新定位技术。消融研究证明了上述技术的有效性。在刚性场景中，Lepard结合RANSAC和ICP算法，在3DMatch / 3DLoMatch数据集上展示了93.9% / 71.3%的最先进的注册召回率。在可变形场景中，Lepard在我们新构建的4DMatch / 4DLoMatch基准测试中，非刚性特征匹配召回率比现有技术高出27.1% / 34.8%。