Paired-CSLiDAR：面向跨源空地LiDAR位姿精化的高度分层配准方法
机器人学
2026-05-04 v1 计算机视觉与模式识别
摘要
我们提出了Paired-CSLiDAR(CSLiDAR)，这是一个用于单次扫描位姿精化的跨源空地LiDAR基准：在50米半径的空中裁剪区域内精化地面扫描位姿。该基准包含跨越6个评估地点的12,683个地空配对以及用于亚米级均方根误差(RMSE)评估的每扫描参考6自由度对齐。由于空中扫描捕获屋顶和树冠，而地面扫描捕获立面和树冠下方，两种模态仅共享其几何形状的一小部分，主要是地形表面，这导致标准配准方法和学习到的对应模型收敛到度量上不正确的局部最小值。我们提出了残差引导的分层配准(RGSR)，这是一种免训练、仅基于几何的精化流水线，通过高度分层的ICP、反向配准方向和置信门控的接受-若-更好选择策略来利用共享的地面平面。RGSR在包含9,012次扫描的主要基准上达到了86.0%的[email protected]米和99.8%的[email protected]米，优于置信门控级联(83.7%)和GeoTransformer(76.3%)。我们使用独立测量控制和轨迹一致性验证了基于RMSE的位姿选择，并表明在极端部分重叠情况下，添加Fourier-Mellin BEV提议可以在降低RMSE的同时增加实际位姿误差。数据集和代码正在准备公开发布。
引用
@article{arxiv.2605.00634,
title = {Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement},
author = {Montana Hoover and Jing Liang and Tianrui Guan and Dinesh Manocha},
journal= {arXiv preprint arXiv:2605.00634},
year = {2026}
}
备注
8 pages, 4 figures. Dataset and code are being prepared for public release