Recalage 3D de nuages de points par apprentissage profond - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Recalage 3D de nuages de points par apprentissage profond

Résumé

Cet article présente une nouvelle méthode utilisant l'apprentissage profond pour le recalage de nuages de points 3D. La méthode comprend un descripteur fondé sur des graphes convolutifs, un mécanisme d'attention et un algorithme de transport optimal pour estimer l'appariement des points. RANSAC est utilisé pour calculer la transformation rigide entre les deux nuages de points en fonction des correspondances prédites par le réseau. L'architecture proposée surpasse les méthodes de l'état de l'art sur la base de données ModelNet40.
Fichier principal
Vignette du fichier
ORASIS_2023_recalage_3D.pdf (5.27 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04184149 , version 1 (21-08-2023)

Identifiants

  • HAL Id : hal-04184149 , version 1

Citer

Karim Slimani, Brahim Tamadazte, Catherine Achard. Recalage 3D de nuages de points par apprentissage profond. ORASIS 2023, May 2023, Carqueiranne, France. ⟨hal-04184149⟩
20 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More