基于模态转换的大规模点云注册：MT-PCR 方法用于有限重叠场景
机器人学
2025-03-18 v1
摘要
大规模场景点云在重叠度受限的情况下进行注册是一项具有挑战性的任务，由于计算负担和数据获取受限。为解决此问题，我们提出一种基于模态转换的点云注册方法，即 MT-PCR。MT-PCR 利用捕获最大重叠信息的鸟瞰图（BEV）以提高精度，并利用图像提供互补的空间特征。具体而言，MT-PCR 将 3D 点云转换为 BEV 图像，通过 2D 图像关键点提取与匹配来估计对应关系。随后，将 2D 对应估计通过反向映射转换回 3D 点云。我们将 MT-PCR 应用于 Terrestrial Laser Scanning 与 Aerial Laser Scanning 点云注册，涉及 8 个低重叠、平方公里级尺度的注册场景。实验与与常用方法的比较表明，MT-PCR 在大规模场景中能够实现优异的精度和鲁性，尤其在有限重叠情况下。
引用
@article{arxiv.2503.12833,
title = {MT-PCR: Leveraging Modality Transformation for Large-Scale Point Cloud Registration with Limited Overlap},
author = {Yilong Wu and Yifan Duan and Yuxi Chen and Xinran Zhang and Yedong Shen and Jianmin Ji and Yanyong Zhang and Lu Zhang},
journal= {arXiv preprint arXiv:2503.12833},
year = {2025}
}
备注
8 pages, 5 figures, ICRA2025