SARNet：面向大规模城市场景点云语义增强配准网络
计算机视觉与模式识别
2023-10-10 v2
摘要
由于激光雷达扫描数据的大规模、噪声与数据不完整等特性，城市场景点云配准是一项极具挑战的任务。本文提出 SARNet，一种新颖的语义增强配准网络，旨在实现城市尺度下城市场景点云的高效配准。与以往仅在点的空间层面建立对应关系的方法不同，我们的方法充分利用语义特征作为辅助以提升配准精度。具体而言，我们利用先进的语义分割网络提取逐点语义标签并构建先验的语义部件到部件对应关系。随后将语义信息融入基于学习的配准流程，该流程由三个核心模块组成：基于语义的最远点采样模块，用于高效滤除离群点与动态物体；语义增强特征提取模块，用于学习更具判别力的点描述子；语义精炼变换估计模块，利用先验语义匹配作为掩码，通过减少错误匹配来精炼点对应关系以获得更好收敛。我们利用城市大场景真实数据对 SARNet 进行了充分评估，并与替代方法比较。代码见 https://github.com/WinterCodeForEverything/SARNet。
引用
@article{arxiv.2206.13117,
title = {SARNet: Semantic Augmented Registration of Large-Scale Urban Point Clouds},
author = {Chao Liu and Jianwei Guo and Dong-Ming Yan and Zhirong Liang and Xiaopeng Zhang and Zhanglin Cheng},
journal= {arXiv preprint arXiv:2206.13117},
year = {2023}
}
备注
Author information changes