.png){kind=icon}
返回
Duster: a deduplication framework for efficient point cloud storage and retrieval
.png){kind=icon}
PRE
AI
DOI：10.1007/s00778-026-01002-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着具身人工智能（以自动驾驶为例）的兴起，点云（PC）数据的规模迅速增长，凸显了对专用存储和管理系统的需求。在此类场景中，激光雷达传感器以稳定频率持续生成点云帧。由于连续帧通常捕捉重叠区域，它们表现出时空冗余，导致在相对坐标系（以传感器为中心）和绝对坐标系（与全球定位对齐）中均出现重复的3D点。为解决此问题，我们提出DUSTER框架，用于高效点云存储与检索。DUSTER考虑整个点云序列进行联合去重，并采用分割模块来确定哪些帧应分组处理。针对每个识别的片段，去重模块有效检测并消除分组点云帧中的冗余点。最后，索引模块管理去重后的数据，并在检索时按需重建原始点云帧。实验结果表明，DUSTER可将存储的点云点数最多减少42%，磁盘空间使用量最多减少80%。此外，它支持高效的随机和顺序点云帧检索（以I/O成本衡量），同时保持重建点云帧上深度模型预测精度的最小退化。
Keyword:
Point cloud data management
Deduplication
Point cloud retrieval
LiDAR point clouds
期刊
IF:
3.8
论文数:
79
被引数:
2.4K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容