DualReg：刚性配准的双空间过滤与强化
机器人学
2026-05-18 v2 计算机视觉与模式识别
摘要
噪声、部分重叠数据以及实时处理需求是刚性配准的主要挑战。考虑到基于特征的匹配能够处理大范围的变换差异，但受限于精度；而基于局部几何的匹配可实现细粒度的局部对齐，但高度依赖良好的初始变换，我们提出一种新的双空间范式，以充分利用两者的优势。首先，我们引入一种高效的过滤机制，包括计算开销轻便的单点 RANSAC 算法和随后 refinement 模块，以消除不可靠的基于特征的对应关系。随后，我们将过滤后的对应关系作为锚点，提取几何代理，并构建带有量身定制求解器的有效目标函数来估计变换。实验验证了我们方法的有效性，KITI 数据集上相较于 MAC 速度提升了 32 倍，同时保持相当的精度。项目页面：https://ustc3dv.github.io/DualReg/。
引用
@article{arxiv.2508.17034,
title = {DualReg: Dual-Space Filtering and Reinforcement for Rigid Registration},
author = {Jiayi Li and Yuxin Yao and Qiuhang Lu and Juyong Zhang},
journal= {arXiv preprint arXiv:2508.17034},
year = {2026}
}
备注
Accepted to CVPR 2026, Project page: https://ustc3dv.github.io/DualReg/