基于假设反馈部分分配框架的点云粗配准方法

《Scientific Reports》：A coarse registration framework for 3D point clouds based on partial assignment and hypothesis feedback

　　

摘要

当点云扫描之间的重叠有限、且部分关键点缺乏有效对应时，可靠的粗配准仍然是一个挑战性问题。传统的描述子匹配方法独立地选择对应关系，这可能导致多对一匹配，并迫使来自非重叠区域的关键点形成错误的对应关系。为解决这一问题，我们提出了一种假设反馈部分分配框架（HFPA），用于粗配准。HFPA 从 ISS 关键点和 FPFH 描述子中构建候选对应关系，并通过为每个源关键点设置一个源特有的虚拟节点（dummy node）来提供一个"未匹配"选项。增强的匈牙利分配算法在强制真实目标关键点满足一对一约束的同时，联合确定真实匹配与拒绝状态。随后，在刚性变换假设下计算的对应残差被反馈回去，用于更新匹配代价与拒绝代价。对应关系被迭代细化，最终使用 RANSAC 估计出粗变换矩阵。在不同重叠程度的室内扫描配准对上，HFPA 达到了与 Full Hungarian 相同的配准召回率，但具有更低的平均 rRMSE。在八个场景构成的低重叠子集上，HFPA 取得了 62.5% 的配准召回率，而 Full Hungarian 为 37.5%，FPFH + NNDR 为 50.0%。这些结果表明，源特有的虚拟节点与假设-残差反馈机制减少了被迫产生的错误对应关系，提升了传统局部描述子流水线在低重叠粗配准中的可靠性。