用于鲁棒 3D 配准的渐进式对应点再生器
计算机视觉与模式识别
2025-02-11 v2
摘要
获取足够多的高质量对应点对于鲁棒配准至关重要。现有的对应点细化方法大多遵循剔除离群点的范式，这些方法要么在极端离群点比例下无法正确识别准确的对应点，要么选择的正确对应点太少而无法支持鲁棒配准。为了应对这一挑战，我们提出了一种名为 Regor 的新方法，它是一个渐进式对应点再生器，能够生成更高质量的匹配，同时对大量离群点具有充分的鲁棒性。在每次迭代中，我们首先应用先验引导的局部分组和广义互匹配来生成局部区域对应点。随后提出一种强大的中心感知三点一致性来实现局部对应点的校正，而非剔除。进一步，我们采用全局对应点细化从全局视角获取准确的对应点。通过渐进式迭代，该过程产生大量高质量对应点。在室内和室外数据集上的大量实验表明，所提出的 Regor 显著优于现有的离群点剔除技术。更关键的是，我们的方法获得的正确对应点比离群点剔除方法多 10 倍。因此，我们的方法即使在弱特征下也能实现鲁棒配准。代码将予以发布。
引用
@article{arxiv.2502.02163,
title = {Progressive Correspondence Regenerator for Robust 3D Registration},
author = {Guiyu Zhao and Sheng Ao and Ye Zhang and Kai Xu and Yulan Guo},
journal= {arXiv preprint arXiv:2502.02163},
year = {2025}
}