本文主要是介绍2D3D-MatchNet: Learning to Match Keypoints Across 2D Image and 3D Point Cloud，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
整体网络架构是这样：
基本上是堆积起来的网络，一共三条分支 1:image 2d feature 提取 2:正样本point cloud pointnet feature提取，3：负样本point cloud pointnet feature 提取
，最后直接soft-margin triplet loss。
2d输入的是image 的patches， 3d输入的是volume。
2d使用vgg网络，3d使用pointnet网络直接从特征层获取feature
partches使用的是sift提取的特征点，3d volume使用ISS detector
数据集使用：
Oxford 2D-3D Patches Dataset
这篇关于2D3D-MatchNet: Learning to Match Keypoints Across 2D Image and 3D Point Cloud的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
