摘要

我们研究点云配准中提取精确对应关系的问题。近年来，无需关键点的方法绕过了在低重叠场景下难以检测重复关键点的难题，展现出在点云配准任务中的巨大潜力。这类方法在下采样的超点（superpoints）上寻找对应关系，再将这些对应关系传播至稠密点。超点的匹配基于其邻域区域是否发生重叠，这种稀疏且松散的匹配方式依赖于能够捕捉点云几何结构的上下文特征。为此，我们提出几何变换器（Geometric Transformer），用于学习鲁棒的超点匹配几何特征。该方法通过编码点对之间的距离和三元组之间的角度信息，显著提升了在低重叠情况下的匹配鲁棒性，并具备刚性变换不变性。其简洁的设计实现了出人意料的高匹配精度，使得在估计配准变换时无需使用RANSAC算法，从而带来高达100倍的加速效果。在具有挑战性的3DLoMatch基准测试中，我们的方法将内点率提升了17至30个百分点，配准召回率提升超过7个百分点。相关代码与模型已开源，地址为：https://github.com/qinzheng93/GeoTransformer。