我们是否已遍历所有场景？基于场景图的深层点云压缩
计算机视觉与模式识别
2025-12-02 v2 机器人学
摘要
高效传输3D点云数据对集中式和非集中式多主体机器人系统的高级感知至关重要，尤其在日益依赖边缘和云端处理的背景下。然而，点云的大规模和复杂性在带宽受限和间歇性连接的情况下，常导致系统性能下降。我们提出一种基于语义场景图的深度压缩框架。该方法将点云分解为语义一致的图块，通过受场景图节点属性条件化的特征线性调制(FiLM)编码器，将其编码为紧凑的潜在表示。折叠式解码器引导潜在特征和图节点属性，实现结构准确的重建。在SemanticKITTI和nuScenes数据集上的实验表明，该框架实现了最先进的压缩率，可将数据大小降低最高达98%，同时保持结构和语义保真度。此外，它支持多机器人姿态图优化和地图合并等下游应用，实现的轨迹精度和地图对齐性能与原始激光扫描相当。
引用
@article{arxiv.2510.08512,
title = {Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression},
author = {Nikolaos Stathoulopoulos and Christoforos Kanellakis and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2510.08512},
year = {2025}
}
备注
Please cite published version. 8 pages, 6 figures