論文:3DFeat-Net: Weakly Supervised Local 3D Features for Point Cloud Registration

一、概述： 本文來在弱條件下，通過學習的方式得到三維特徵探測器和描述器，進行點雲匹配。突出點在於: （1）探測器和描述器都是通過學習的方式得到，不需要進行人工標註。 （2）注意力機制用來調整每個描述器的貢獻度，體現每個輸入點作爲顯著點的可能性。 二、相關工作： （1）因爲在點雲中進行細緻的點對點的標註太難，所以很多的方法都是值學習描述器，而探測器交給隨機採樣； （2）部分人工3D描述器，表現不佳；

>>阅读原文<<