QuadricsReg：基于二次曲面原语的大规模点云配准

在大规模点云配准领域，设计紧凑的符号表示对于高效处理海量数据、确保对显著视角变化和遮挡的鲁棒性至关重要。本文提出了一种新型点云配准方法——QuadricsReg，利用简洁的二次曲面原语（quadric primitives）来表示场景，并利用其几何特征建立对应关系以实现6自由度（6-DoF）变换估计。作为符号特征，二次曲面表示能够有效捕捉场景的主要几何特征，能够高效处理大规模点云的复杂性。二次曲面的内在特征（如类型和尺度）被用于初始化对应关系。随后，我们构建多层兼容性图集（multi-level compatibility graph set），利用几何一致性上的最大团（maximum clique）来寻找对应关系。最后，我们利用二次曲面对应关系估计6自由度变换，并基于二次曲面退化感知距离在因子图中进行优化，确保高配准精度和对退化结构的鲁棒性。我们在5个公开数据集和我们自采的异构数据集上进行了测试，覆盖不同的激光LiDAR传感器和机器人平台。优异的配准成功率和最小的配准误差表明了QuadricsReg在大规模点云配准场景中的有效性。此外，在我们自采的异构数据集上的实际场景配准测试显示，QuadricsReg在不同激光LiDAR传感器和机器人平台上具备良好的鲁棒性和广泛性。代码和演示将发布于 https://levenberg.github.io/QuadricsReg。