GS-Matching: 重新审视点云配准中的特征匹配任务
计算机视觉与模式识别
2024-12-09 v1
摘要
传统点云配准（PCR）中的特征匹配方法常采用最近邻策略，这导致多对一匹配以及大量无对应点的潜在内点。近期一些方法将特征匹配任务建模为分配问题以实现最优的一对一匹配。我们认为转向分配问题对于通用的基于对应的PCR并不可靠。本文提出了一种受Gale-Shapley算法启发的启发式稳定匹配策略——GS-matching。与其他匹配策略相比，该方法在低重叠条件下能够高效运行并找到更多不重复的内点。此外，我们利用概率论对特征匹配任务进行分析，为该研究问题提供了新的见解。大量实验验证了所提匹配策略的有效性，在多个数据集上取得了更好的配准召回率。
引用
@article{arxiv.2412.04855,
title = {GS-Matching: Reconsidering Feature Matching task in Point Cloud Registration},
author = {Yaojie Zhang and Tianlun Huang and Weijun Wang and Wei Feng},
journal= {arXiv preprint arXiv:2412.04855},
year = {2024}
}