FF-LOGO：基于特征过滤与局部到全局优化的跨模态点云配准
计算机视觉与模式识别
2024-04-15 v2
摘要
由于不同传感器之间固有的模态差异，跨模态点云配准面临重大挑战。我们提出了一种跨模态点云配准框架 FF-LOGO：一种具有特征过滤与局部-全局优化的跨模态点云配准方法。跨模态特征相关性过滤模块从跨模态点云中提取几何变换不变特征，并通过特征匹配实现点的选择。我们还引入了跨模态优化过程，包括局部自适应关键区域聚合模块和全局模态一致性融合优化模块。实验结果表明，我们的两阶段优化显著提升了特征关联与选择模块的配准精度。在 3DCSR 数据集上，与当前最先进的方法相比，我们的方法召回率大幅提升，从 40.59% 提高到 75.74%。我们的代码将在 https://github.com/wangmohan17/FFLOGO 提供。
引用
@article{arxiv.2309.08966,
title = {FF-LOGO: Cross-Modality Point Cloud Registration with Feature Filtering and Local to Global Optimization},
author = {Nan Ma and Mohan Wang and Yiheng Han and Yong-Jin Liu},
journal= {arXiv preprint arXiv:2309.08966},
year = {2024}
}
备注
Accepted by 2024 IEEE International Conference on Robotics and Automation (ICRA),7 pages, 2 figures