TurboReg：基于 TurboClique 的稳健高效点云配准
计算机视觉与模式识别
2025-07-31 v3
摘要
基于对应关系的点云配准（PCR）中的鲁棒估计至关重要。现有方法利用兼容图中的最大 clique 搜索可实现高召回率，但因指数级时间复杂度，在面临时敏感应用时受限。为此提出快速且稳健的估计器 TurboReg，其基于一种新型轻量级 clique——TurboClique 以及高度可并行的 Pivot-Guided Search（PGS）算法。首先，定义 TurboClique 为高度受约束兼容图中的 3-clique。轻量级 3-clique 允许高效并行搜索，而高度受约束的兼容图确保了鲁棒的空间一致性，从而实现稳定的变换估计。随后，PGS 选取 SC 分数较高的匹配对作为枢轴，有效引导搜索向 Clique 较高的内外比率的 TurboClique。此外，PGS 算法具有线性时间复杂度，远高于具有指数级时间复杂度的 maximum clique 搜索。广泛实验表明，TurboReg 在多个真实世界数据集上实现了最先进的性能，并实现了显著的速度提升。例如，在 3DMatch+FCGF 数据集上，TurboReg (1K) 的速度比 3DMAC 快 ，同时也实现了更高的召回率。我们的代码 accessible at \href{https://github.com/Laka-3DV/TurboReg}{\texttt{TurboReg}}。
引用
@article{arxiv.2507.01439,
title = {TurboReg: TurboClique for Robust and Efficient Point Cloud Registration},
author = {Shaocheng Yan and Pengcheng Shi and Zhenjun Zhao and Kaixin Wang and Kuang Cao and Ji Wu and Jiayuan Li},
journal= {arXiv preprint arXiv:2507.01439},
year = {2025}
}
备注
ICCV-2025 Accepted Paper