基于自适应实例分割的层级化跨源点云配准方法

摘要

移动智能体在运动过程中通过跨源点云配准融合不同传感器数据以获取高精度的位姿信息，过程中会面临模态间密度差异、视场重叠度低等挑战.针对传统优化或深度学习方法在复杂多物体环境中难以兼顾全局一致性与局部精度的问题，提出基于自适应实例分割的层级化配准方法（AIS-HCSR）.该方法构建了三层级渐进框架：场景级通过自适应几何特征编码融合距离与角度特征实现初始匹配；物体级利用自适应欧式聚类分割点云实例，结合匹配传播与空间布局验证消除位置歧义；点云级通过点面残差优化与全局模态融合完成精细配准.实验在3DCSR数据集上的结果显示，该方法召回率优于当前最优方法 5.45个百分点，尤其在多相似物体的复杂场景中表现优异；同时在移动智能体系统（如SLAM）的典型应用中，可在关键帧/回环或漂移纠偏阶段提供鲁棒的全局约束，为跨源点云配准在工程场景中的部署提供了有效方案.

关键词

跨源点云配准 / 层级化配准 / 自适应实例分割与匹配 / 全局–局部优化 / 自适应欧式聚类

基金资助

国家重点研发计划资助项目（2023YFF0615800）; 国家自然科学基金资助项目（62371013）; 北京市自然科学基金资助项目（L247007）