万物皆变：大几何与时变下三维点云配准的时空基准
计算机视觉与模式识别
2025-01-10 v2 机器学习
机器人学
摘要
构建人造空间的3D几何地图是计算机视觉与机器人学基础且活跃的领域。然而，考虑到建成环境的演化本质，审视当前建图工作处理时态变化的能力十分必要。此外，时空建图在实现可持续与循环目标上具重要潜力。现有建图方法聚焦于微小变化，如物体移位或自动驾驶运行；所有情况下场景主结构保持固定。因此，这些方法未能应对建成环境结构（如几何与拓扑）更剧烈的变化。为此，我们引入万物皆变（NSS）基准，聚焦于经历大空间与时态变化的3D场景时空配准，最终创建一致时空地图。具体而言，该基准涉及配准同一场景但从不同时空视角捕获的两段或多段部分3D点云（碎片）。除标准两两配准外，我们评估属于任意时态阶段的多个碎片的多路配准。作为NSS一部分，我们引入大规模建筑室内在建或翻修环境中反复捕获的3D点云数据集。NSS基准提出三个递增难度场景，以量化点云配准方法在空间（建筑内与跨建筑）与时间上的泛化能力。我们在NSS上对最先进方法进行了广泛评估。结果证明了专为处理大时空变化设计的新方法的必要性。我们的基准主页位于 http://nothing-stands-still.com。
引用
@article{arxiv.2311.09346,
title = {Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change},
author = {Tao Sun and Yan Hao and Shengyu Huang and Silvio Savarese and Konrad Schindler and Marc Pollefeys and Iro Armeni},
journal= {arXiv preprint arXiv:2311.09346},
year = {2025}
}
备注
To appear in the ISPRS Journal of Photogrammetry and Remote Sensing. 29 pages, 26 figures. For the project page, see http://nothing-stands-still.com