×
马苏梅·雷扎伊;迈赫迪·雷扎扬;瓦利·德哈米;费尔多斯·索赫尔;穆罕默德·本纳穆恩

基于深度学习的墨卡托投影三维局部特征描述符。 （英语） Zbl 1508.68379号

计算。辅助Geom。设计。 74，文章ID 101771，13 p.（2019）.
概述：点云提供了有关形状的丰富几何信息，深度神经网络可用于学习有效且稳健的特征。本文提出了一种新的局部特征描述子，该描述子利用暹罗网络直接从点云中学习鲁棒特征。我们使用基于Mercator投影的数据表示，然后使用暹罗网络将该投影映射到32维局部描述符。为了验证所提出的方法，我们将其与七种最先进的描述子方法进行了比较。实验结果表明，与现有方法相比，该方法在描述性、抗噪声和不同网格分辨率方面具有优越性。

MSC公司：

68T45型 机器视觉和场景理解
68T07型 人工神经网络与深度学习
68吨10 模式识别、语音识别

关键词：

三维物体识别;局部描述符;暹罗网络;深度神经网络

软件：

PointNet（点网）;3DFeat-Net（3DFeat网络）;折叠网;3D匹配;PPF网;TensorFlow公司;PPF-折叠网;BundleFusion包
PDF格式BibTeX公司 XML格式引用
\textit{M.Rezaei}等人，计算。辅助Geom。设计。74，文章ID 101771，13 p.（2019；Zbl 1508.68379）
全文： 内政部 链接

参考文献：

[1] M.阿巴迪。；巴勒姆，P。；陈，J。；陈，Z。；A.戴维斯。；迪安·J。；德文，M。；Ghemawat，S。；欧文，G。；Isard，M.，TensorFlow:大规模机器学习系统，（第十二届{USENIX}操作系统设计与实现研讨会（{OSDI}16）（2016）），265-283
[2] 阿尔多马，A。；文斯，M。；北卡罗来纳州布洛多。；戈索夫，D。；Gedikli，S。；Rusu，R.B。；Bradski，G.，使用3D线索的CAD模型识别和6DOF姿势估计，（2011年IEEE国际计算机视觉研讨会（ICCV研讨会）（2011年），IEEE），585-592
[3] Bayramoglu，N。；Alatan，A.A.，形状指数筛选：使用局部特征的距离图像识别，（2010年第20届国际模式识别会议（2010），IEEE），352-355
[4] Bromley，J。；盖恩，I。；乐村，Y。；Säckinger，E。；Shah，R.，使用“暹罗”时滞神经网络进行签名验证，（神经信息处理系统进展（1994）），737-744
[5] Bromley，J。；盖恩，I。；乐村，Y。；Säckinger，E。；Shah，R.，使用“暹罗”时滞神经网络进行签名验证，（神经信息处理系统进展（1994）），737-744
[6] Bu，S。；Wang，L。；Han，P。；刘，Z。；李凯，基于多模态深度学习的三维形状识别与检索，神经计算，259183-193（2017）
[7] Chua，C.S。；Jarvis，R.，《点特征：三维物体识别的一种新表示》，Int.J.Comput。视觉。，第25页，第1页，第63-85页（1997年）
[8] 戴，A。；尼纳，M。；Zollhöfer，M。；伊扎迪，S。；Theobalt，C.，BundleFusion：使用飞行表面重新融合进行实时全球一致3D重建，ACM Trans。图表。（ToG），36，4，76a（2017）
[9] 邓，H。；Birdal，T。；Ilic，S.，PPF-FoldNet:旋转不变3D局部描述符的无监督学习，（《欧洲计算机视觉会议论文集》，欧洲计算机视觉大会论文集，ECCV（2018）），602-618
[10] 邓，H。；Birdal，T。；Ilic，S.，PPFNet:稳健3D点匹配的全局上下文感知局部特征，（IEEE计算机视觉和模式识别会议论文集（2018）），195-205
[11] 邓，H。；Birdal，T。；Ilic，S.，直接成对注册的3D局部特征（2019年），arXiv预印本
[12] Denny，M.，《导航科学：从航位推算到GPS》（2012），JHU出版社
[13] Eisenstein，E.L.，《早期现代欧洲的印刷革命》（2005），剑桥大学出版社
[14] 费尔，D。；Beksi，W.J。；Zermas，D。；Papanikolopoulos，N.，基于协方差的点云描述符，用于对象检测和识别，计算。视觉。图像理解。，142, 80-93 (2016)
[15] Fischler，医学硕士。；Bolles，R.C.，《随机样本共识：图像分析和自动制图应用的模型拟合范例》，Commun。ACM，24，6，381-395（1981）
[16] 弗罗姆，A。；Huber，D。；科卢里，R。；Bülow，T。；Malik，J.，使用区域点描述符识别距离数据中的对象，（欧洲计算机视觉会议（2004），Springer），224-237·Zbl 1098.68766号
[17] 郭毅。；Sohel，F。；Bennamoun，M。；卢，M。；Wan，J.，《用于3D局部曲面描述和对象识别的旋转投影统计》，国际计算杂志。视觉。，105, 1, 63-86 (2013) ·Zbl 1286.68387号
[18] 郭毅。；Bennamoun，M。；Sohel，F。；卢，M。；Wan，J.，《具有局部表面特征的杂乱场景中的3D物体识别：调查》，IEEE Trans。模式分析。机器。智力。，36, 11, 2270-2287 (2014)
[19] 郭毅。；Sohel，F。；Bennamoun，M。；Wan，J。；Lu，M.，一种用于三维对象建模的精确且鲁棒的距离图像配准算法，IEEE Trans。多媒体。，1377-1390年5月16日（2014年）
[20] 郭毅。；本纳蒙，M。；Sohel，F。；卢，M。；Wan，J。；Kwok，N.M.，《3D局部特征描述符的综合性能评估》，国际计算机杂志。视觉。，116, 1, 66-89 (2016)
[21] 约翰逊，A.E。；Hebert，M.，《在杂乱的3D场景中使用旋转图像进行有效的物体识别》，IEEE Trans。模式分析。机器。智力。，21, 5, 433-449 (1999)
[22] Kasaei，S.H。；汤姆，A.M。；Lopes，L.S。；Oliveira Good，M.，用于3D对象识别和操作的全局正交对象描述符，模式识别。莱特。，83, 312-320 (2016)
[23] 库里，M。；周Q.-Y。；Koltun，V.，学习紧凑几何特征，（IEEE计算机视觉国际会议论文集（2017）），153-161
[24] 科赫，G。；泽梅尔，R。；Salakhutdinov，R.，用于单镜头图像识别的暹罗神经网络（2015）
[25] 赖，K。；薄熙来。；Fox，D.，3D场景标记的无监督特征学习，（2014年IEEE机器人与自动化国际会议（ICRA）（2014），IEEE），3050-3057
[26] Z.C.马顿。；Pangercic，D。；北卡罗来纳州布洛多。；Kleinehellefort，J。；Beetz，M.，《从单一视角对新型物体进行通用3D建模》（2010年IEEE/RSJ智能机器人和系统国际会议（2010年），IEEE），3700-3705
[27] Z.C.马顿。；Pangercic，D。；北卡罗来纳州布洛多。；Beetz，M.，《多模态感知系统的2D-3D分类和分类组合》，国际机器人杂志。研究，30，11，1378-1402（2011）
[28] 齐，C.R。；苏，H。；莫（Mo，K.）。；Guibas，L.J.，PointNet:三维分类和分割的点集深度学习，（IEEE计算机视觉和模式识别会议论文集（2017）），652-660
[29] 齐，C.R。；Yi，L。；苏，H。；Guibas，L.J.，PointNet++：度量空间中点集的深度分层特征学习，（神经信息处理系统进展（2017）），5099-5108
[30] Rangel，J.C。；Martínez-Gómez，J。；罗梅罗·冈萨雷斯，C。；García-Varea一世。；Cazorla，M.，《通过CNN标记进行半监督三维物体识别》，应用。软计算。，65, 603-613 (2018)
[31] 鲁苏，R.B。；北卡罗来纳州布洛多。；马萨诸塞州马顿。；Beetz，M.，使用持久特征直方图对齐点云视图，（2008 IEEE/RSJ智能机器人和系统国际会议（2008），IEEE），3384-3391
[32] Rusu，R.B。；北卡罗来纳州布洛多。；Beetz，M.，3D注册的快速点特征直方图（FPFH），（2009年IEEE机器人与自动化国际会议（2009），IEEE），3212-3217
[33] Rusu，R.B。；Bradski，G。；Thibaux，R。；Hsu，J.，使用视点特征直方图的快速3D识别和姿势，（2010 IEEE/RSJ智能机器人和系统国际会议（2010），IEEE），2155-2162
[34] Salomon，D.，《计算机图形中的变换和投影》（2007），Springer Science&Business Media
[35] 肖顿，J。；格洛克，B。；扎克，C。；伊扎迪，S。；克里米尼西，A。；Fitzgibbon，A.，RGB-D图像中摄像机重定标的场景坐标回归森林，（IEEE计算机视觉和模式识别会议论文集（2013）），2930-2937
[36] Simo-Serra，E。；Trulls，E。；费拉兹，L。；Kokkinos，I。；Fua，P。；Moreno-Noguer，F.，深度卷积特征点描述符的判别学习，（IEEE计算机视觉国际会议论文集（2015）），118-126
[37] Stein，F。；Medioni，G.，《结构索引：高效三维物体识别》，IEEE Trans。模式分析。机器。智力。，2, 125-145 (1992)
[38] 孙，Y。；Abidi，M.A.，通过3D点指纹进行表面匹配，（第八届IEEE国际计算机视觉会议论文集。第八届EEE国际计算机视觉大会论文集，ICCV 2001，第2卷（2001），IEEE），263-269
[39] Tombari，F。；Salti，S。；Di Stefano，L.，3D数据描述的独特形状上下文，（ACM 3D对象检索研讨会论文集（2010），ACM），57-62
[40] Tombari，F。；Salti，S。；Di Stefano，L.，局部表面描述直方图的独特特征，（欧洲计算机视觉会议（2010），施普林格），356-369
[41] Tombari，F。；萨尔蒂，S。；Di Stefano，L.，局部表面描述直方图的独特特征，（欧洲计算机视觉会议（2010），施普林格），356-369
[42] 瓦伦丁，J。；戴，A。；尼纳，M。；科尔里，P。；托尔，P。；伊扎迪，S。；Keskin，C.，《学习驾驭能源景观》，（2016年第四届国际3D视觉会议（3DV）（2016），IEEE），323-332
[43] 沃尔金格，W。；Vincze，M.，三维物体分类的形状函数集成，（2011年IEEE机器人和仿生学国际会议（2011年），IEEE），2987-2992
[45] 杨，J。；曹，Z。；Zhang，Q.，一个用于3D点云注册的快速且健壮的局部描述符，Inf.Sci。，346, 163-179 (2016)
[46] Yang，Y。；冯，C。；沈毅。；Tian，D.，FoldingNet:通过深度网格变形的点云自动编码器，（IEEE计算机视觉和模式识别会议论文集（2018）），206-215
[47] Yew，Z.J。；Lee，G.H.，3DFeat-net：用于点云注册的弱监督局部3D特征，（欧洲计算机视觉会议（2018），斯普林格），630-646
[48] Yi，K.M。；Trulls，E。；Lepetit，V。；Fua，P.，LIFT:学习不变特征变换，（欧洲计算机视觉会议（2016），Springer），467-483
[49] 曾，A。；Song，S。；尼纳，M。；费希尔，M。；肖，J。；Funkhouser，T.，3DMatch：从RGB-D重建中学习局部几何描述符，（IEEE计算机视觉和模式识别会议论文集（2017）），1802-1811
[50] Zhao，Y。；Birdal，T。；邓，H。；Tombari，F.，3D点封装网络（2019），arXiv预印本
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。