Jul, 2024
SGOR：基于语义和几何信息的点云鲁棒配准的异常点去除
SGOR: Outlier Removal by Leveraging Semantic and Geometric Information
for Robust Point Cloud Registration
TL;DR我们介绍了一种全面利用几何和语义信息的新的异常值移除方法，用于实现鲁棒的配准。这种方法通过使用次要地面分割、宽松的语义一致性和语义-几何一致性来改进对语义和几何的处理，从而提高了对异常值的处理质量。在不同情况下，我们的方法展现了出色的性能，在注册召回率上提高了22.5个百分点，并在各种条件下表现出更好的鲁棒性。