基于邻域一致性的点云场景流传播更新方法

作     者：郑晗 王宁 马新柱 张宏 王智慧 李豪杰 Zheng Han;Wang Ning;Ma Xinzhu;Zhang Hong;Wang Zhihui;Li Haojie

作者机构：大连理工大学-立命馆大学国际信息与软件学院辽宁大连116000 悉尼大学电气与信息工程系澳大利亚悉尼2006 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2023年第60卷第2期

页      面：426-434页

核心收录：

学科分类：0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 081203[工学-计算机应用技术] 0804[工学-仪器科学与技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61976038,61932020,61772108,U1908210) 中央高校基本科研业务费专项资金(DUT20GF18)。 

主　　题：场景流 点云 邻域一致性 置信度 深度学习 

摘      要：场景流是连续动态场景之间的3D运动场,广泛应用于机器人技术和自动驾驶任务.现有方法忽略了点云点的相关性,仅关注源点云和目标点云逐点的匹配关系,由于匹配关系完全依赖于点云数据的特征信息,导致在局部特征信息不足的点上准确估计场景流仍然存在挑战.根据源点云相邻点具有相关性的特性,提出NCPUM(neighborhood consistency propagation update method)方法,在邻域内将场景流从高置信度点向低置信度点传播,从而优化局部特征信息不足点的场景流.具体来说,NCPUM包含2个模块:置信度预测模块,根据场景流先验分布图,预测源点云逐点的置信度;场景流传播模块,根据局部区域一致性的约束更新低置信度点集的场景流.NCPUM在合成数据集Flyingthings3D和真实驾驶场景数据集KITTI上进行评估,准确度上达到了国际先进水平.由于邻域一致性更符合真实激光雷达场景的先验假设,因此在KITTI数据集上的提升更加明显.