决策 PCR：点云配准任务的决策版本
计算机视觉与模式识别
2025-07-22 v1
摘要
低重叠点云配准（PCR）是 3D 计算机视觉中的重要挑战。传统评估指标如最大内样本数在极端稀疏内样本比例下变得无效。本文重新审视点云配准结果评估问题，识别出 PCR 任务的决策版本（Decision PCR）为根本问题。为解决该 Decision PCR 任务，我们提出数据驱动方法。首先，基于 3DMatch 数据集构建相应数据集。然后，训练基于深度学习的分类器，以可靠评估配准质量，克服传统指标的局限性。据我们了解，这是首个通过深度学习框架系统性地解决该任务的研究。我们将该分类器集成到标准 PCR 流程中。与我们方法结合后，现有最先进的 PCR 方法在具有挑战性的 3DLoMatch 数据集上实现了 86.97% 的新纪录注册召回率。我们的方法在未见的户外 ETH 数据集上也表现出强大的泛化能力。
引用
@article{arxiv.2507.14965,
title = {Decision PCR: Decision version of the Point Cloud Registration task},
author = {Yaojie Zhang and Tianlun Huang and Weijun Wang and Wei Feng},
journal= {arXiv preprint arXiv:2507.14965},
year = {2025}
}