SC^2-PCR：基于二阶空间兼容性的高效鲁棒点云配准
计算机视觉与模式识别
2022-03-29 v1
摘要
本文提出一种基于二阶空间兼容性（SC^2）度量的高效鲁棒点云配准（PCR）方法，称为SC^2-PCR。首先，我们提出二阶空间兼容性（SC^2）度量来计算对应点之间的相似性。它考虑全局兼容性而非局部一致性，从而在早期阶段实现内点与外点之间更具区分性的聚类。基于该度量，我们的配准流程采用全局谱技术从初始对应点中找出若干可靠种子。随后，我们设计两阶段策略基于SC^2度量矩阵将每个种子扩展为一致集。最后，我们将每个一致集输入加权SVD算法以生成候选刚性变换，并选取最优模型作为最终结果。我们的方法能以更少采样保证找到一定数量的无外点一致集，使模型估计更高效鲁棒。此外，所提SC^2度量具有通用性，可轻松嵌入基于深度学习的框架。我们进行了大量实验以考察方法性能。代码将发布于\url{https://github.com/ZhiChen902/SC2-PCR}。
引用
@article{arxiv.2203.14453,
title = {SC^2-PCR: A Second Order Spatial Compatibility for Efficient and Robust Point Cloud Registration},
author = {Zhi Chen and Kun Sun and Fan Yang and Wenbing Tao},
journal= {arXiv preprint arXiv:2203.14453},
year = {2022}
}
备注
Accepted to CVPR 2022