NCPUM: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

来源：计算机研究与发展, 2022, 1-11.

• 场景流
• 点云
• 邻域一致性
• 置信度
• 深度学习

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，在准确度上达到了先进水平．由于邻域一致性更符合真实场景的先验假设，因此在KITTI数据集上的提升更加明显．

• 单位
  大连理工大学