.png){kind=icon}
返回
QuadricsReg: Large-Scale Point Cloud Registration Using Semantic Quadric Primitives
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2026.3686263.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
设计一种高效且可扩展的场景基元表示对于大规模点云配准至关重要。现有研究主要依赖密集点云或单一类型的几何基元，难以扩展至具有海量数据量、结构多样性和广泛视角变化的场景。为解决这些问题，本文提出QuadricsReg，一种基于二次曲面基元的大规模环境点云配准框架。我们在统一的语义二次曲面公式中紧凑地建模多样化的场景结构，实现高压缩率的同时保留几何丰富性和可区分性。该表示通过内在相似性实现高效的二次曲面匹配初始化，并通过最大化多级图中的几何一致性进行鲁棒的对应关系修剪，确保在大视角变化下仍能可靠关联。此外，我们设计了一种基于退化感知二次曲面残差的因子图来估计变换，确保在异构场景中的精确对齐。我们在5个公开数据集上评估了QuadricsReg，其出色的配准性能与低开销展示了在大规模场景中的强可扩展性。在KITTI上，紧凑的表示（约29.5 KB/扫描）实现了点云对在10 m内的近100%配准成功率。在自建数据集上的实际测试进一步验证了其在不同LiDAR传感器和机器人平台上的鲁棒性与泛化能力。
Keyword:
Geometric primitives
localization and mapping
point cloud registration
quadric representation
