要約
有効な3Dディスクリプタは、スケールや回転などの異なる幾何変換に対して不変であり、遮蔽や雑多な環境に強いこと、そして異なる応用領域に一般化できる能力を持つべきです。本稿では、異なるドメインで取得された点群を登録するために使用できる一般的かつ特徴的な3D局所ディスクリプタを学習する単純ながら効果的な方法を提案します。点群パッチが抽出され、その局所参照枠に対して正準化され、深層ニューラルネットワークによってスケールと回転に不変なコンパクトなディスクリプタに符号化されます。このネットワークは入力点の順列に対して不変である設計となっています。この設計により、我々のディスクリプタはドメイン間での一般化が可能となります。我々はRGBDセンサーやレーザースキャナを使用して再構築された複数の屋内および屋外データセット上で、提案したディスクリプタを他の手作りまたは深層学習ベースのディスクリプタと評価・比較しました。結果として、我々のディスクリプタは一般化性能において最近の多くのディスクリプタを大幅に上回り、訓練とテストが同じドメインで行われるベンチマークにおいても最先端の性能を達成しています。