基于渲染技术改进的一套点云配准流程

配准是两个点云之间的刚体变换估计问题，近年来有众多深度学习方法被提出以解决该问题。然而，这些方法的训练集往往来自费时费力且数据量不足的真实采集和人工标定。该问题有望通过渲染技术解决。立足于6D位姿估计应用场景，设计了一套基于Point Transformer深度学习点云特征提取网络的点云配准算法流程。应用渲染技术将ShapeNet数据集模型在不同视角生成大量局部投影，构建训练集。使用InfoNCE作为损失函数，以对比学习的方法使Point Transformer网络学习点云的逐点特征描述。开发了Rendering-ICP算法以优化精配准环节，作为最终位姿估计结果。在Linemod数据集上验证本套算法流程，使用VSD回归作为评价指标，与现存方法对比，获得了7%的性能提升。