基于颜色分层的点云抽样方法 PRISM
计算机视觉与模式识别
2026-05-07 v2
摘要
我们提出 PRISM，一种面向 RGB-LiDAR 点云的颜色引导分层抽样方法。我们的做法源于这样一个观察：独特的场景特征往往在色彩上呈现多样性，而重复、冗余的特征在颜色上较为均匀。常规抽样方法（随机抽样、体素网格、法线空间抽样）在强制空间均匀性的同时忽略了这种光度内容。相比之下，PRISM 按色彩多样性分配抽样密度。将 RGB 色彩空间作为分层域，并在每个颜色箱中施加最大容量 ，该方法保留具有高色彩变化的纹理丰富区域的特征，同时大幅降低视觉均匀表面的特征。这将抽样空间从空间覆盖转向视觉复杂度，以产出稀疏点云，同时保留 3D 重建任务中必需的特征。
引用
@article{arxiv.2601.06839,
title = {PRISM: Color-Stratified Point Cloud Sampling},
author = {Hansol Lim and Minhyeok Im and Jongseong Brad Choi},
journal= {arXiv preprint arXiv:2601.06839},
year = {2026}
}
备注
This work has been submitted to the 2026 International Conference on Pattern Recognition (ICPR) for possible publication