3D 视觉

SPARK: Scalable Real-Time Point Cloud Aggregation with Multi-View Self-Calibration

SPARK：可扩展的实时点云聚合与多视角自校准

Chentian Sun

专题命中 点云 ：point cloud(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 SPARK通过自校准实时多摄像机点云重建框架，实现稳定且高效的点云融合与外参估计，适用于大规模3D重建场景。

Comments 10 pages, 1 figure, submitted to IEEE Transactions on Image Processing (TIP). Version 3: Minor revision; several experimental results have been removed and supplemented after further verification

BADet: Boundary-Aware 3D Object Detection from Point Clouds

BADet: 基于点云的边界感知3D目标检测

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。

Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022

Extracting Manifold Information from Point Clouds

从点云中提取流形信息

Patrick Guidotti

机构 * University of California, Irvine（加州大学伊维特分校） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出了一种基于核的方法，用于从点云中提取流形信息，通过构造签名函数来估计维度、法线和曲率。

Comments 21 pages, 11 figures, 4 tables

3D Object Detection for Autonomous Driving: A Survey

自动驾驶中的3D物体检测：综述

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering, Renmin University of China, Beijing 100872, China（数据工程与知识工程重点实验室，中国人民大学，北京100872，中国） ； School of Mathematics, Renmin University of China, Beijing 100872, China（数学学院，中国人民大学，北京100872，中国） 纠错

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 本文综述了自动驾驶中3D物体检测的研究进展，涵盖了传感器、数据集、性能指标及最新方法，并分析了其优缺点及未来方向。

Comments The manuscript is accepted by Pattern Recognition on 14 May 2022

Point Virtual Transformer

点虚拟变换器

Veerain Sood, Bnalin, Gaurav Pandey

机构 * Texas A \& M University Email ； Engineering Technology \& Industrial Distribution Texas A \& M University Texas, USA 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 PointViT通过融合真实和虚拟点，提升远距离3D目标检测性能，实现91.16%的3D AP和95.94%的BEV AP。

Comments 8 pages, 4 figures

MATTER: Multiscale Attention for Registration Error Regression

MATTER: 多尺度注意力用于注册误差回归

Shipeng Liu, Ziliang Xiong, Khac-Hoang Ngo, Per-Erik Forssén

机构 * Department of Electrical Engineering, Linköping University, Linköping, Sweden（Linköping大学电子工程系） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 MATTER通过多尺度注意力机制实现点云注册误差的回归，提升注册质量评估的精度与鲁棒性，尤其在异质点云中表现优异。