IGASA：集成几何感知与跳过注意力模块的增强点云配准
计算机视觉与模式识别
2026-03-16 v1 人工智能
摘要
点云配准 (PCR) 是 3D 视觉中的基础任务，为自动驾驶、机器人和环境建模等应用提供必要支持。尽管其应用广泛，但现有方法在面对重噪声、显著遮挡和大尺度变换等现实挑战时常常难以保持准确性和鲁棒性。为此，我们提出了 IGASA，这是一个新颖的配准框架，基于层次金字塔架构 (HPA) 设计，用于稳健的多尺度特征提取与融合。该框架集成了两个关键组件：层次跨层注意力 (HCLA) 模块和迭代几何感知细化 (IGAR) 模块。HCLA 模块利用跳过注意力机制对多分辨率特征进行对齐，增强局部几何一致性。同时，IGAR 模块在粗匹配阶段建立可靠对应关系后，用于细粒匹配阶段。这种架构内的协同集成使 IGASA 能够有效应对多样化的点云结构和复杂变换。我们在四个广受认可的基准数据集上评估了 IGASA 的性能，包括 3D(Lo)Match、KITTI 和 nuScenes。我们的大量实验始终表明，IGASA 在配准准确性上显著超越了当前的前沿方法，并取得了显著的改进。这项工作为推动点云配准技术的发展提供了稳健的基础，同时为实际的 3D 视觉应用提供了宝贵的洞察。IGASA 的代码已公开于 https://github.com/DongXu-Zhang/IGASA。
引用
@article{arxiv.2603.12719,
title = {IGASA: Integrated Geometry-Aware and Skip-Attention Modules for Enhanced Point Cloud Registration},
author = {Dongxu Zhang and Jihua Zhu and Shiqi Li and Wenbiao Yan and Haoran Xu and Peilin Fan and Huimin Lu},
journal= {arXiv preprint arXiv:2603.12719},
year = {2026}
}