基于概率自更新局部对应关系与线向量集的点云配准
计算机视觉与模式识别
2026-04-30 v1
摘要
点云配准(PCR)是集成遥感应用中3D观测的基础任务。本文提出一种快速且有效的PCR算法，利用概率自更新局部对应关系和线向量集。我们的双RANSAC交互模型包括评估全局对应集的全局RANSAC和针对动态更新局部集合的局部RANSAC。初始时，这些局部集合使用角直方图统计和线向量长度保持技术构建。为提高准确性，一种概率自更新策略在每次交互后细化局部集合。为减少运行时间，我们引入一种全局早期终止条件，在准确性和效率之间进行最佳平衡。最后，使用加权奇异值分解估计配准解。在公共数据集上的评估表明，我们的算法在时间效率上优于最先进的方法，至少提高了10%的均方根误差。C++源代码已公开available at https://github.com/ivpml84079/Probabilistic-Self-Update-Line-Vector-Set-Based-Point-Cloud-Registration.
引用
@article{arxiv.2604.26318,
title = {Point Cloud Registration via Probabilistic Self-Update Local Correspondence and Line Vector Sets},
author = {Kuo-Liang Chung and Yu-Cheng Lin and Wu-Chi Chen},
journal= {arXiv preprint arXiv:2604.26318},
year = {2026}
}