摘要

在现实世界的深度图像上匹配局部几何特征是一项具有挑战性的任务，这是由于3D扫描数据的噪声、低分辨率和不完整性造成的。这些困难限制了当前最先进方法的性能，而这些方法通常基于几何属性的直方图。本文中，我们提出了3DMatch，这是一种数据驱动模型，能够学习局部体素补丁描述符以在部分3D数据之间建立对应关系。为了为我们的模型积累训练数据，我们提出了一种自监督特征学习方法，该方法利用现有RGB-D重建中存在的数百万个对应标签。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特征以进行重建，还能够推广到不同的任务和空间尺度（例如，亚马逊拣选挑战中的实例级物体模型对齐以及网格表面对应）。结果显示，3DMatch在多个方面显著优于其他最先进方法。代码、数据、基准测试和预训练模型可在线获取，网址为http://3dmatch.cs.princeton.edu。