要約
点群間の対応関係を抽出し、登録（registration）を行う問題について研究する。対応関係の検出において、従来の手法は密な点群から抽出された疎なキーポイントを用いてマッチングを実現するが、その再現性（repeatability）を保証することが難しい場合が多い。この課題に対処するため、本研究ではキーポイント検出を必要とせず、粗いスケールから細かいスケールへと階層的に対応関係を抽出する「CoFiNet（Coarse-to-Fine Network）」を提案する。粗いスケールでは、重み付けスキームによりガイドされた下サンプリングされたノード同士のマッチングを学習する。これらのノードは周辺点の重なりが大きい点群を対象とし、これにより次の段階における探索空間を大幅に削減する。細かいスケールでは、ノードの候補が連続的に拡張され、点群のグループと関連する記述子を含むパッチとして表現される。その後、対応するパッチの重なり領域において、点対応関係を、点密度の変動に適応可能な密度適応型マッチングモジュールを用いて精緻化する。室内および室外の標準ベンチマークにおいて実施された広範な評価により、本手法が既存手法を上回ることを示した。特に点群間の重なりが少ない3DLoMatchデータセットにおいて、登録再現率（Registration Recall）において、従来の最先端手法よりも最低でも5%の優位性を示し、パラメータ数はその2/3以下で達成されている。