
-
生物通官微
陪你抓住生命科技
跳动的脉搏
Cross3DReg:面向真实场景的跨源点云配准基准
《INTERNATIONAL JOURNAL OF COMPUTER VISION》:Cross3DReg: A Real-world Cross-source Point Cloud Registration Benchmark
【字体: 大 中 小 】 时间:2026年10月24日 来源:INTERNATIONAL JOURNAL OF COMPUTER VISION 10.3
编辑推荐:
摘要点云配准旨在对齐从不同视角或传感设备获取的点云。跨源点云配准专指对齐由异质激光雷达传感器捕获的点云,这些传感器的采样模式和密度存在显著差异。与同源点云配准相比,跨源配准面临两个核心挑战:缺乏用于训练深度配准模型的公开真实世界数据集,以及多个传感器捕获的点云之间的固有差异。
点云配准旨在对齐从不同视角或传感设备获取的点云。跨源点云配准专指对齐由异质激光雷达传感器捕获的点云,这些传感器的采样模式和密度存在显著差异。与同源点云配准相比,跨源配准面临两个核心挑战:缺乏用于训练深度配准模型的公开真实世界数据集,以及多个传感器捕获的点云之间的固有差异。传感器诱导的多样化模式给鲁棒且准确的点云特征提取和匹配带来了巨大挑战,进而负面影响配准精度。为了应对这些挑战,我们引入了 Cross3DReg,这是一个大规模的真实世界户外基准数据集,使用两种异质激光雷达传感器收集:旋转机械激光雷达和混合半固态激光雷达。此外,设计了一种基于重叠的跨源配准框架,利用未对齐的图像来预测源和目标之间的重叠区域。通过过滤掉非重叠区域中的冗余点,该框架有效减少了噪声和不相关点的干扰。然后,提出了一种视觉 - 几何注意力引导的匹配模块,通过融合图像和几何信息来建立可靠的对应关系,从而增强跨源点云特征的一致性,并最终实现准确且鲁棒的配准。大量实验表明,我们的方法达到了最先进的配准性能。我们的框架将相对旋转误差和相对平移误差分别降低到 \(6.68^\circ \) 和 1.01 米,并将配准召回率提高到 \(86.2\%\),证明了其在实现跨源点云配准方面的有效性。
点云配准旨在对齐从不同视角或传感设备获取的点云。跨源点云配准专指对齐由异质激光雷达传感器捕获的点云,这些传感器的采样模式和密度存在显著差异。与同源点云配准相比,跨源配准面临两个核心挑战:缺乏用于训练深度配准模型的公开真实世界数据集,以及多个传感器捕获的点云之间的固有差异。传感器诱导的多样化模式给鲁棒且准确的点云特征提取和匹配带来了巨大挑战,进而负面影响配准精度。为了应对这些挑战,我们引入了 Cross3DReg,这是一个大规模的真实世界户外基准数据集,使用两种异质激光雷达传感器收集:旋转机械激光雷达和混合半固态激光雷达。此外,设计了一种基于重叠的跨源配准框架,利用未对齐的图像来预测源和目标之间的重叠区域。通过过滤掉非重叠区域中的冗余点,该框架有效减少了噪声和不相关点的干扰。然后,提出了一种视觉 - 几何注意力引导的匹配模块,通过融合图像和几何信息来建立可靠的对应关系,从而增强跨源点云特征的一致性,并最终实现准确且鲁棒的配准。大量实验表明,我们的方法达到了最先进的配准性能。我们的框架将相对旋转误差和相对平移误差分别降低到 \(6.68^\circ \) 和 1.01 米,并将配准召回率提高到 \(86.2\%\),证明了其在实现跨源点云配准方面的有效性。