基于视觉基础模型的激光雷达配准
机器人学
2025-02-27 v1
摘要
激光雷达配准是机器人制图与定位中的基础任务。在对齐两个点云时，识别稳健点对应关系是关键步骤，这一步在涉及域迁移、季节变化以及点云结构变化的场景中尤为具有挑战性。这些因素对手工特征和基于学习的方法都有显著影响。本文通过提出使用来自环视图像的 DINOv2 特征作为点描述符来解决上述问题。我们展示， 将这些描述符与传统配准算法（如 RANSAC 或 ICP）结合使用，可在即使地图记录时间超过一年后，也实现对激光雷达扫描与 3D 地图的稳健 6 自由度对齐。尽管概念简单，但本方法在性能上显著优于更复杂的基线技术。与以往基于学习的点描述符不同，本方法无需特定领域的再训练，且对点云结构agnostic，能够有效处理稀疏激光雷达扫描和密集 3D 地图。我们表明，利用额外的摄像头数据可使本方法在 NCLT 和 Oxford RobotCar 数据集上分别将注册召回率提升至 +24.8 和 +17.3。我们公开了注册基准测试及本工作代码，地址为 https://vfm-registration.cs.uni-freiburg.de。
引用
@article{arxiv.2502.19374,
title = {LiDAR Registration with Visual Foundation Models},
author = {Niclas Vödisch and Giovanni Cioffi and Marco Cannici and Wolfram Burgard and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2502.19374},
year = {2025}
}