Angle-I2P：用于跨模态异常值剔除的角度一致性感知层级注意力机制
计算机视觉与模式识别
2026-05-12 v2
摘要
图像到点云配准（I2P）是操作、抓取和定位等机器人应用中的一项基础任务。现有的基于深度学习的I2P方法试图在学习的表示空间中对齐图像和点云特征以建立对应关系，并取得了有希望的结果。然而，当初始匹配对的内点率较低时，传统的Perspective-n-Points（PnP）方法可能难以获得准确结果。为了解决这一局限性，我们提出了Angle-I2P，一种利用角度一致性几何约束和层级注意力的异常值剔除网络。首先，我们设计了一种基于角度一致性的尺度不变跨模态几何约束。这种显式的几何约束引导模型区分内点和异常值。此外，我们提出了一种从全局到局部的层级注意力机制，该机制能有效滤除刚性变换下几何上不一致的匹配，从而提高内点率（IR）和配准召回率（RR）。实验结果表明，我们的方法在7Scenes、RGBD Scenes V2和一个自采集数据集上达到了SOTA性能，并在所有基准测试中均取得了一致的提升。
引用
@article{arxiv.2605.04541,
title = {Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection},
author = {Muyao Peng and Shun Zou and Pei An and You Yang and Qiong Liu},
journal= {arXiv preprint arXiv:2605.04541},
year = {2026}
}
备注
Accepted by ICRA 2026