Cross-PCR：面向跨源点云配准的鲁棒框架

由于跨源点云的密度不一致和分布差异，现有方法在跨源点云配准中难以实现。我们提出一种密度鲁棒的特征提取与匹配方案，以实现稳健且精确的跨源配准。为解决跨源数据之间的密度不一致问题，本文引入密度鲁棒编码器，用于提取密度鲁棒特征。为应对特征匹配困难和正确对应点稀少的问题，我们采用“松生成严选”思路的宽松-严格匹配流水线。在此基础上，采用一对多策略进行松散的初始对应生成。随后，通过稀疏匹配和密集匹配，对高质量对应点进行严格筛选，以实现稳健的配准。在跨源3DCSR数据集中具有挑战性的Kinect-LiDAR场景上，我们的方法将特征匹配召回率提高了63.5个百分点（pp），配准召回率提高了57.6个百分点。该方法在3DMatch数据集上取得最佳性能，并在多样下采样密度下保持稳健性。