用于局部感知 3D 刚性点云匹配的耦合拉普拉斯特征映射

点云匹配是计算机视觉、医疗和机器人领域的一项关键技术，主要关注寻找点云或体素对之间的对应关系。在某些实际场景中，强调局部差异对于准确识别正确匹配至关重要，从而增强匹配过程的整体鲁棒性和可靠性。常用的形状描述符存在一些局限性，往往无法提供关于配对几何体的有意义的局部洞察。在本文中，我们提出了一种基于图拉普拉斯特征映射的新技术，通过考虑精细的局部结构来匹配点云。为了处理拉普拉斯特征映射的顺序和符号模糊性，我们引入了一种称为耦合拉普拉斯 (Coupled Laplacian, https://github.com/matteo-bastico/CoupLap) 的新算子，该算子允许轻松为多个配准几何体生成对齐的特征空间。我们表明，这些对齐的高维空间之间的相似性提供了用于匹配形状的具有局部意义的评分。我们首先以逐点方式评估了所提技术的性能，重点关注 MVTec 3D-AD 数据集上的物体异常定位任务。此外，我们定义了一项新的医疗任务，称为自动骨骼侧估计 (BSE)，我们通过源自耦合特征空间的全局相似性评分来解决该任务。为了测试它，我们提出了一个基准，收集了来自各种公共数据集的骨表面结构。我们基于耦合拉普拉斯的匹配技术在两项任务上都达到了令人印象深刻的精度，优于其他方法。