SCAP: Semantic Prototype Alignment for Robust Point Cloud Registration

Jingyu Zhou

doi:10.1109/TCSVT.2026.3664224

SCAP: Semantic Prototype Alignment for Robust Point Cloud Registration

2026-02-12

0

PRE

AI

DOI：10.1109/TCSVT.2026.3664224

原文链接

原文求助

摘要

En 中文

点云刚体配准是机器人学、三维重建和增强现实领域的一个基本问题。然而，现有方法主要依赖局部几何邻域，无法捕捉高阶语义结构，因此在噪声或复杂几何条件下性能下降。为解决这些局限性，我们提出了SCAP，一种新的点云配准范式，将特征交互从几何驱动转变为语义-几何协同驱动。具体而言，设计了一个语义原型提取器，通过图嵌入和聚类抽象高层语义原型，从而降低对局部特征噪声的敏感性。由于仅靠语义抽象无法保证点云间的一致对应关系，SCAP通过最优传输执行原型对齐路径学习，以推断可靠的语义映射。为增强跨层特征集成并避免冗余注意力，提出了一种对齐驱动的跨层Transformer，将学习到的先验融入注意力机制，从而实现语义一致性和局部精度改进的特征聚合。在ModelNet、ModelLoNet、3DMatch和3DLoMatch上的大量实验表明，我们的SCAP始终优于现有最佳方法，在噪声和部分重叠等挑战性场景中表现出卓越的鲁棒性和泛化能力。代码将在https://github.com/Zhou-111jy/SCAP.git上公开。

Keyword:

Point cloud registration

rigid transformation estimation

semantic prototype

SCAP: Semantic Prototype Alignment for Robust Point Cloud Registration

摘要

期刊

机构

引用论文