quan9i

2026年1月12日

摘要：论文《Progressive Correspondence Regenerator for Robust 3D Registration》背景如图所示，以往的工作在进行离群值和内点区分的时候，对于离群值，直接进行修剪，只保留对应正确的内点，而本论文则不同，对于离群值，我们以它作为基础，进行新一轮阅读全文

posted @ 2026-01-12 13:47 quan9i 阅读(2) 评论(0) 推荐(0)

《Buffer-X》论文学习

摘要：前置知识 PCA PCA，即主成分分析，它通过正交变换将一组可能相关的变量转换为一组线性不相关的变量，这些新的变量称为主成分。具体计算方式如下：首先需要对数据进行标准化处理，确保每个特征的均值为0，标准差为1 其中的X是原始数据矩阵，μ是每个特征的均值向量，σ是每个特征的标准差向量。接下来就是计阅读全文

posted @ 2026-01-12 13:44 quan9i 阅读(2) 评论(0) 推荐(0)

I2P论文学习

摘要：论文《Adaptive Agent Selection and Interaction Network for Image-to-point cloud Registration》整体架构图如下首先是对点云和图像进行处理初处理首先是特征提取对点云进行KPFCNN处理，主要核点卷积，通过这种阅读全文

posted @ 2026-01-12 13:37 quan9i 阅读(1) 评论(0) 推荐(0)

2025年12月22日

Geotransform代码解读

摘要：网络整体流程网络流程较为简单，主要分为四部分（1）对原始点云和目标点云进行基于Kpconv-FPN的骨干网络进行特征提取，然后我们将下采样进行到最底层的这层的点称为超点（2）对超点部分进行Geotransformer变换，然后利用双归一化挑选出前top-k个作为处理好的精细点对（3）对刚刚处阅读全文

posted @ 2025-12-22 13:52 quan9i 阅读(16) 评论(0) 推荐(0)

2025年12月7日

DFAT—Dual Focus-Attention Transformer for Robust Point Cloud Registration

摘要：创新点（1）提出新框架，采用双层焦点注意力特征交互机制提升性能（2）提出双空间一致性匹配模块，充分利用几何一致性来提升supperPoint匹配的质量。（3）引入线性注意力模块，用于优化点特征。流程首先使用局部特征提取对两个视角的点云进行Kpconv卷积提取特征，接着分为两部分，一部分是最阅读全文

posted @ 2025-12-07 23:05 quan9i 阅读(56) 评论(0) 推荐(0)

2025年11月30日

2D3DICL-I2PReg论文学习

摘要：公式解读前情提要：什么是相机相机是虚拟的，实际上，它是指一个数学模型，它定义了我们如何将三维空间的点映射到二维照片上，它包含外参和内参，其中：（1）外参是指你所站的位置t，和你的朝向R。这个描述了相机在3D世界坐标系中的位置。（2）内参是指内参矩阵K，它包含了焦距，主点等。外参调整过的点与K 阅读全文

posted @ 2025-11-30 18:57 quan9i 阅读(11) 评论(0) 推荐(0)

Attention is all you need论文学习

摘要：前置知识注意力机制注意力机制的核心思想来源于人类在感知外部信息时所展现出的选择性注意能力。在面对复杂信息或长序列时，人类不会平均地处理所有信息，而是有选择地关注其中对当前任务更关键的部分。深度学习中的注意力机制正是对这一现象的模拟，它使得神经网络在处理序列或结构化数据时，能够动态地调整对不同信阅读全文

posted @ 2025-11-30 18:57 quan9i 阅读(53) 评论(0) 推荐(0)

2025年11月16日

2D3D-MATR论文学习

摘要：背景典型的2D3D配准的核心任务是求解一个将点云对齐到图像坐标系下的刚体变换（旋转和平移）。为了实现这一目的，常见的执行步骤如下（1）建立对应关系即找出图像的关键点和点云的关键点，然后将位置相同的关键点进行匹配，作为一组对应关系，这些(像素, 3D点)对构成了后续计算的基础。（2）求解变换阅读全文

posted @ 2025-11-16 18:34 quan9i 阅读(71) 评论(0) 推荐(1)

2025年11月9日

点云配准基础知识

摘要：引言什么是点云配准呢，我们分别看下点云和配准点云：你可以想象成 “3D 世界的像素”—— 比如用激光雷达扫描一个桌子，会得到成千上万的 3D 坐标点（每个点有 X、Y、Z 位置信息），这些点凑在一起就形成了桌子的 “点云”，能完整还原桌子的 3D 形状。配准：简单说就是 “把两个不同角度 / 阅读全文

posted @ 2025-11-09 17:07 quan9i 阅读(184) 评论(0) 推荐(0)

2025年11月2日

Pointnet++论文学习

摘要：背景在PointNet中并没有局部特征的概念，要么是对单个物体进行处理获取单个特征，要么是进行整体最大池化获取全局特征，丢失了很多局部信息。也是因此在进行分割物体时效果显得一般，Pointnet++则优化了这个问题。方法 Pointnet++在Point的基础上增添了多层次结构，使得网络能够在越阅读全文

posted @ 2025-11-02 16:51 quan9i 阅读(41) 评论(0) 推荐(0)

公告