关于将MAC与深度学习方法融合的问题

[yangfeng-Lyu]

作者您好！ 我成功地将自己的数据集运用在MAC上，现在存在一些疑惑，希望您能解答！MAC的前提是获取对应的点对关系，这个关系通常是由特征描述符获得的，例如fpfh；请问MAC与深度学习方法结合也是如此吗？基于学习获取点云的特征描述算子，进而获取初始对应点对，再进行MAC配准。例如我想将FCGF或者Spinnet与MAC融合，是将网络获取点云特征，生成对应点对关系后的部分用MAC代替就可以了吗？

[zhangxy0517]

是的。MAC的输入是特征描述子生成的对应点匹配

[yangfeng-Lyu]

作者您好！非常感谢您的回答！我在尝试使用fcgf作为mac输入时遇到这样一个问题，当我使用自己的原始数据时，fpfh可以很好的工作，但是使用fcgf会出现报错；当我使用3dmatch数据集时，工作正常；我尝试调整采样参数和判别参数，但还是无法正常工作。请原谅我作为一个初学者的笨拙。

[zhangxy0517]

我已经上传了使用fcgf的示例供参考 请下载最新的代码

[yangfeng-Lyu]

作者您好！我想请教一下，文章在构建图的时候是否使用了特征描述子得到的所有关系对，其中包含了错误的匹配关系对，而在搜索极大团的过程中，经过筛选从而获得了正确的一致的关系对，用于之后位姿假设？还是说经过筛选后仍有可能获得错误的关系对

[zhangxy0517]

MAC使用输入的原始匹配而不进行筛选，方法中没有专门设计匹配剔除的步骤，因此选出的团匹配中仍可能有错误匹配。