报告题目：快速鲁棒点云配准学习及智能制造应用
主讲人简介：徐凯，国防科技大学教授，国家杰出青年基金获得者。普林斯顿大学访问学者。研究方向为计算机图形学、三维视觉、具身智能、数字孪生等。在国际上较早开展了数据驱动三维感知、建模与交互工作，提出面向复杂三维数据的结构化感知、建模与交互理论方法系统。发表TOG/TPAMI/TVCG等A类论文90余篇，其中图形学顶会SIGGRAPH论文29篇（第一作者10篇）。担任图形领域顶级国际期刊ACM Transactions on Graphics的编委，以及多个领域重要会议的主席。任中国图象图形学会三维视觉专委会副主任、中国工业与应用数学学会几何设计与计算专委会副主任。获湖南省自然科学一等奖2项（排名1和3）、中国计算机学会自然科学一等奖（排名3）、军队科技进步二等奖、军队教学成果二等奖等。
报告摘要：三维点云配准是三维视觉、计算机图形学中的经典问题，广泛应用于智能制造领域中的机器人抓取、高精度装配、3D尺寸测量等场景。传统点云配准方法基于手工设计的关键点和特征描述子，表征能力较弱，在噪声大、数据缺失、遮挡严重、点云重合度低等情形下准确率较低。基于深度学习的点云配准在近年来得到快速发展。本报告汇报我们近两年在基于深度学习的点云配准方面的工作，包括基于点云几何结构编码的注意力机制多层级匹配模型GeoTransformer，2D-3D跨模态多尺度配准模型2D3D-MATR，基于局部几何上下文编码的多实例点云配准模型MIRETR，以及神经辐射场引导的无监督RGB-D配准模型NeRF-UR。同时介绍其中一些方法在智能制造场景中的应用。
