基于习得地点识别描述子与点到体素比较的稀疏双时相点云不规则变化检测

三维点云中的变化检测与不规则物体提取是一项具有挑战性的任务，不仅对自主导航至关重要，对于更新各类工业环境的现有数字孪生模型也同样关键。本文提出一种利用深度习得地点识别描述子以及基于体素到点比较的不规则物体提取，进行三维点云变化检测的创新方法。该方法首先使用地图合并算法对齐双时相点云，以建立统一坐标系。随后，其利用深度学习技术从三维点云扫描中提取鲁棒且具判别性的特征，用于检测连续点云帧之间的变化，从而定位变化区域。最后，对两个时相中 altered 区域进行采样与比较，以提取导致该区域变化的任何障碍物。所提方法在真实世界现场实验中成功得到评估，能够检测三维点云中不同类型的变更，如物体或碎石堆的添加与位移，展示了该方法的有效性。本研究结果对包括施工现场安全监控、建图与勘探在内的多种应用具有重要意义，并指出了该领域潜在的未来研究方向。