MATTER：用于注册误差回归的多尺度注意力机制
计算机视觉与模式识别
2026-02-09 v3
摘要
点云注册 (PCR) 对许多下游任务如同时定位与地图构建 (SLAM) 和目标跟踪至关重要。这使得检测和量化注册误差，即 PCR 质量验证，成为一个重要任务。所有现有方法都将验证作为分类任务处理，旨在将 PCR 质量分配到少数几个类别。在本 work 中，我们改用回归进行 PCR 验证，允许对注册质量进行更细粒度的量化。我们还通过多尺度提取和注意力聚合扩展了之前使用的与注册误差相关的特征。这导致在多样化数据集上实现准确且稳健的注册误差估计，特别是对于空间密度异构的点云。此外，当用于引导下游映射任务时，我们的方法在给定数量的再注册帧的情况下显著优于基于分类的 SOTA 方法，提高了映射质量。
引用
@article{arxiv.2509.12924,
title = {MATTER: Multiscale Attention for Registration Error Regression},
author = {Shipeng Liu and Ziliang Xiong and Khac-Hoang Ngo and Per-Erik Forssén},
journal= {arXiv preprint arXiv:2509.12924},
year = {2026}
}