基于循环一致锚点进行自监督 RGB-D 配准
计算机视觉与模式识别
2025-10-17 v1 机器人学
摘要
随着消费级深度相机的兴起，大量未标记的 RGB-D 数据变得可用于几何场景推理。虽然许多 RGB-D 配准方法依赖几何和特征相似性，但我们采取了不同方法。我们将循环一致关键点作为显著点用于匹配，以强化空间一致性约束，从而提高配对准确性。此外，我们引入了一种新型姿态模块，将 GRU 循环单元与变换同步结合，融合历史数据和多视角数据。我们的方法在 ScanNet 和 3DMatch 上超越了以往自监督配准方法，甚至击败了一些较旧的监督方法。我们还将组件集成到现有方法中，显示其有效性。
引用
@article{arxiv.2510.14354,
title = {Leveraging Cycle-Consistent Anchor Points for Self-Supervised RGB-D Registration},
author = {Siddharth Tourani and Jayaram Reddy and Sarvesh Thakur and K Madhava Krishna and Muhammad Haris Khan and N Dinesh Reddy},
journal= {arXiv preprint arXiv:2510.14354},
year = {2025}
}
备注
8 pages, accepted at ICRA 2024 (International Conference on Robotics and Automation)