概要
论文: Fully Convolutional Geometric Features
标签: ICCV 2019; feature, match, registration
作者: Christopher Choy,Jaesik Park, Vladlen Koltun
机构: Stanford University, POSTECH, Intel Labs
论文、代码地址：在公众号「3D视觉工坊」，后台回复「ICCV2019」，即可直接下载。
从点云中提取几何特征是配准、重建、跟踪等应用的第一步。SOTA的方法往往需要计算底层特征作为输入或者提取基于patch的有限感受野的特征。在本论文中，作者提出了FCGF(Fully-Convolutional Geometric Features)，它通过全卷积网络一次计算得到点云特征；作者还提出了新的度量学习损失，可以显著提升性能。FCGF是紧凑的，同时捕获了广泛的空间上下文，并可扩展到大型场景。论文中在室内数据集和室外数据集均进行了验证，FCGF在不需要预处理时达到了SOTA精度，同时比其它精确的办法快600倍，而且结构是紧凑的(32维)。
一、论文的出发点和贡献在许多点云配准、跟踪和场景流估计(scene flow estimation)任务中，寻找几何点对应(geometric cor
