杨必胜教授团队在人工智能领域顶级期刊TPAMI发表点云配准论文-时空数据智能获取技术与应用教育部工程中心

杨必胜教授团队在人工智能领域顶级期刊TPAMI发表点云配准论文

童珮灵 2023-02-28 浏览

点云配准是三维重建、传感器定位定姿等应用的关键技术，为数字孪生城市建设、自动驾驶、增强现实/虚拟现实等领域提供了重要支持。受重复纹理、噪声及点云密度差异的影响，现有配准算法普遍存在关键点检测重复性低、旋转不变特征构建鲁棒性差、同名点预测约束不足、变换估计立方级检索空间等问题，难以实现可靠高效的点云配准。

我室杨必胜教授团队提出基于群旋转等变特征及局部旋转估计的点云配准框架RoReg，将旋转群特征及局部旋转引入关键点检测、特征描述、同名点预测、变换估计等点云配准全流程，显著提升点云配准可靠性及效率。该研究成果以“RoReg: Pairwise Point Cloud Registration with Oriented Descriptors and Local Rotations”为题发表在国际人工智能领域顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》(IEEE TPAMI)。

论文的第一作者为我室硕士研究生王海平，香港大学刘缘博士为共同一作，通讯作者为董震教授与杨必胜教授。该研究工作得到国家自然科学基金杰出青年基金和重点基金项目的资助。

图1 (左)RoReg配准框架；(右)利用RoReg框架序列配准多类型场景点云实现场景重建

RoReg配准框架如上图，本研究基于群策略构建旋转等变特征编码点云局部方向信息，并将其针对性应用于局部旋转估计、关键点检测，同名点预测及变换估计中实现各步骤效果提升，贡献概述如下：

1. 特征描述

提出点云局部群特征RoReg-Desc。其针对SO(3)离散子群（正二十面体群）具有群旋转等变性，即编码点云局部方向信息，可用于估计局部旋转。同时基于旋转群特征池化构建理论保证的旋转不变特征，使其具有更强的描述性、鲁棒性和泛化性；

2. 关键点检测

提出基于群特征旋转等变模糊性辨识点云局部方向模糊性/分布显著性，进而提升关键点检测重复性；

3. 同名点预测

提出基于群特征相对指向一致性的匹配子图约束，感知同名点对局部旋转一致性，进而提升重复纹理/弱纹理同名点对估计可靠性；

4. 变换估计

提出基于群特征对齐策略的单一同名点对变换估计，将RANSAC立方级检索空间降低为线性检索空间，加速算法收敛。

本文在3Dmatch、3DLoMatch、ETH三个公开数据集进行了对比实验及消融实验。实验结果表明，RoReg点云配准框架在取得较短耗时的同时，在3DMatch/3DLoMatch上相较于现有最优算法实现了4.4%~23.6%的内点比例提升，2.8%~5.3%的配准成功率提升。室内数据训练的模型直接泛化到室外数据集ETH时，RoReg相较于现有最优算法取得了5.0%~7.3%的内点比例提升及1.1%~15.5%的配准成功率提升。