Semantic-ICP: 非刚体多器官点云配准的迭代最近点方法
计算机视觉与模式识别
2025-11-24 v3
摘要
点云配准在计算机辅助干预（CAI）中具有重要意义。尽管已发展出基于学习的点云配准方法，但其临床应用受到泛化性和可解释性问题的制约。因此，包括迭代最近点（ICP）在内的经典点云配准方法仍在 CAI 中被广泛使用。ICP 方法未考虑到：（1）点具有明确的语义含义，即每个点可以与特定的解剖标签相关联；（2）配准所需的变形需要遵循生物力学能量约束。本文提出了一种新颖的非刚体语义 ICP（SemICP）方法，该方法处理多个点标签并使用线性弹性能量正则化。我们利用语义标签来提高最近点匹配的鲁棒性，并提出了一种融合显式生物力学能量正则化的新型点云变形表示。我们在四个数据集上的实验表明，与其他点云配准方法相比，我们的方法显著改善了 Hausdorff 距离和平均表面距离。我们还展示了将深度学习分割模型与配准流程集成，能够有效对齐超声（US）和磁共振（MR）点云。
引用
@article{arxiv.2503.00972,
title = {Semantic-ICP: Iterative Closest Point for Non-rigid Multi-Organ Point Cloud Registration},
author = {Wanwen Chen and Qi Zeng and Carson Studders and Jamie J. Y. Kwon and Emily H. T. Pang and Eitan Prisman and Septimiu E. Salcudean},
journal= {arXiv preprint arXiv:2503.00972},
year = {2025}
}