VRHCF：基于体素表示与分层对应滤波的跨源点云配准
计算机视觉与模式识别
2024-03-18 v1
摘要
针对从不同传感器收集的点云数据之间存在巨大差距所带来的挑战，实现鲁棒的跨源点云配准成为一项艰巨的任务。为此，我们提出了一种适用性广泛的新型点云配准框架，适用于同源和跨源配准场景。为了解决跨源点云数据中不同密度和分布带来的问题，我们引入了一种基于球面体素的特征表示。此外，针对跨源配准中存在大量离群点和误匹配的挑战，我们提出了一种分层对应滤波方法。该方法逐步滤除误匹配，产生一组高质量的对应关系。我们的方法表现出广泛的适用性，在传统的同源配准和具有挑战性的跨源配准场景中均表现出色。具体而言，在使用 3DMatch 数据集的同源配准中，我们实现了 95.1% 的最高配准召回率和 87.8% 的内点比例。在跨源点云配准中，我们的方法在 3DCSR 数据集上取得了最佳的 RR，提升了 9.3 个百分点。代码可在 https://github.com/GuiyuZhao/VRHCF 获取。
引用
@article{arxiv.2403.10085,
title = {VRHCF: Cross-Source Point Cloud Registration via Voxel Representation and Hierarchical Correspondence Filtering},
author = {Guiyu Zhao and Zewen Du and Zhentao Guo and Hongbin Ma},
journal= {arXiv preprint arXiv:2403.10085},
year = {2024}
}
备注
Accepted by IEEE International Conference on Multimedia and Expo (ICME), 2024