Key points are not available for this paper at this time.
由于3D扫描数据的噪声、低分辨率和不完整性，在真实世界深度图像上匹配局部几何特征是一项具有挑战性的任务。这些困难限制了目前最先进方法的性能，这些方法通常基于几何属性的直方图。在本文中，我们提出了3DMatch，一种数据驱动模型，学习用于在部分3D数据之间建立对应的局部体积补丁描述符。为了为我们的模型收集训练数据，我们提出了一种自监督特征学习方法，利用现有RGB-D重建中找到的数百万对应标签。实验表明，我们的描述符不仅能够在新场景中匹配局部几何以进行重建，而且可以推广到不同的任务和空间尺度（例如，亚马逊拣货挑战中的实例级对象模型对齐，和网格表面对应）。结果表明，3DMatch在性能上始终显著优于其他最先进的方法。代码、数据、基准和预训练模型在线提供，网址为http://3dmatch.cs.princeton.edu.
Zeng等人（Sat，）研究了这个问题。