SG-Reg：通用且高效的场景图配准
机器人学
2025-05-21 v2 计算机视觉与模式识别
摘要
本文解决了对两组 rigid 语义场景图进行配准的挑战，这是当自动化智能体需要将其地图与远程智能体或先前地图进行匹配时所必需的关键能力。经典语义辅助配准中的手工描述子，或基于学习的场景图配准中对真值标注的依赖，都阻碍了其在实际现实环境中的应用。为解决这些挑战，我们设计了一个场景图网络，用于编码多个语义节点的模态信息：开放集语义特征、具有空间感知性的局部拓扑结构以及形状特征。这些模态被融合以创建紧凑的语义节点特征。匹配层随后以粗到细的方式搜索对应关系。在后端，我们采用鲁棒的姿态估计算数根据对应关系决定变换。我们能够保持稀疏且层次化的场景表示。我们的做法所需的GPU资源更少，在多智能体任务中所需的通信带宽也更少。此外，我们设计了一种新的数据生成方法，利用视觉基础模型和语义映射模块来重建语义场景图。这与以往依赖真值语义标注生成数据的做法截然不同。我们在两个智能体SLAM基准测试中验证了该方法。在配准成功率方面，显著优于手工基线方法；与视觉环视闭合网络相比，我们的方法在注册召回率上略高，同时仅需每个查询帧52 KB的通信带宽。代码已公开：\href{http://github.com/HKUST-Aerial-Robotics/SG-Reg}{http://github.com/HKUST-Aerial-Robotics/SG-Reg}。
引用
@article{arxiv.2504.14440,
title = {SG-Reg: Generalizable and Efficient Scene Graph Registration},
author = {Chuhao Liu and Zhijian Qiao and Jieqi Shi and Ke Wang and Peize Liu and Shaojie Shen},
journal= {arXiv preprint arXiv:2504.14440},
year = {2025}
}
备注
IEEE Transactions Robotics Regular Paper