ViGG：基于视觉几何相互引导的鲁棒RGB-D点云配准
计算机视觉与模式识别
2025-12-01 v1
摘要
点云配准是3D视觉中的基础任务。大多数现有方法仅使用几何信息进行配准。最近提出的RGB-D配准方法主要关注特征融合或改进特征学习，这限制了其利用图像信息的能力，并阻碍了实际应用。本文提出ViGG，一种基于相互引导的鲁棒RGB-D配准方法。首先，我们以视觉几何组合形式求解 clique 对齐，采用几何引导设计以抑制模糊的clique。其次，为缓解视觉匹配噪声导致的精度下降，我们提出一种视觉引导的几何匹配方法，利用视觉先验确定搜索空间，从而实现高质量、对噪声不敏感的对应点提取。这种相互引导策略使我们的方法具有卓越的鲁棒性，可适用于各种RGB-D配准任务。在3DMatch、ScanNet和KITTI数据集上的实验表明，我们的方法在学习自由和学习基准设置下均优于最近的SOTA方法。代码已公开于https://github.com/ccjccjccj/ViGG。
引用
@article{arxiv.2511.22908,
title = {ViGG: Robust RGB-D Point Cloud Registration using Visual-Geometric Mutual Guidance},
author = {Congjia Chen and Shen Yan and Yufu Qu},
journal= {arXiv preprint arXiv:2511.22908},
year = {2025}
}
备注
Accepted by WACV 2026