[论文解读] Full Transformer Framework for Robust Point Cloud Registration with Deep Information Interaction

Guangyan Chen, Meiling Wang+3 more|arXiv (Cornell University)|Dec 17, 2021

3D Surveying and Cultural Heritage被引用 4

一句话总结

本文提出深度交互变换器（DIT），一种用于鲁棒点云配准的完整Transformer框架，通过全局结构建模、基于位置编码的深度信息交互以及基于几何一致性的置信度评估，提升特征区分度与异常值排斥能力。DIT在高噪声部分对部分点云配准任务中取得94.7%的成功率，优于当前最先进方法。

ABSTRACT

Recent Transformer-based methods have achieved advanced performance in point cloud registration by utilizing advantages of the Transformer in order-invariance and modeling dependency to aggregate information. However, they still suffer from indistinct feature extraction, sensitivity to noise, and outliers. The reasons are: (1) the adoption of CNNs fails to model global relations due to their local receptive fields, resulting in extracted features susceptible to noise; (2) the shallow-wide architecture of Transformers and lack of positional encoding lead to indistinct feature extraction due to inefficient information interaction; (3) the omission of geometrical compatibility leads to inaccurate classification between inliers and outliers. To address above limitations, a novel full Transformer network for point cloud registration is proposed, named the Deep Interaction Transformer (DIT), which incorporates: (1) a Point Cloud Structure Extractor (PSE) to model global relations and retrieve structural information with Transformer encoders; (2) a deep-narrow Point Feature Transformer (PFT) to facilitate deep information interaction across two point clouds with positional encoding, such that Transformers can establish comprehensive associations and directly learn relative position between points; (3) a Geometric Matching-based Correspondence Confidence Evaluation (GMCCE) method to measure spatial consistency and estimate inlier confidence by designing the triangulated descriptor. Extensive experiments on clean, noisy, partially overlapping point cloud registration demonstrate that our method outperforms state-of-the-art methods.

研究动机与目标

• 为解决现有基于Transformer的点云配准方法存在的局限性，包括噪声鲁棒性差、特征提取不清晰以及异常值检测不准确。
• 克服依赖CNN进行局部特征提取所带来的问题，此类方法限制了全局上下文建模能力并增加了对噪声的敏感性。
• 通过在位置编码支持下实现深层窄型Transformer架构，使模型能够学习点之间的相对位置，从而提升特征区分度与鲁棒性。
• 通过基于三角化描述子的置信度评估引入几何一致性，提升内点与外点分类的准确性。
• 构建一个系统化的完整Transformer框架，统一结构建模、深度特征交互与几何匹配，以实现更优的配准性能。

提出的方法

• 点云结构提取器（PSE）利用Transformer编码器对整个点云中的长程依赖关系进行建模，并引入局部特征整合器（LFI）以增强结构特征提取。
• 点特征变换器（PFT）采用深层窄型架构，并配备专用的位置编码网络，使模型能够学习点之间的相对空间位置，从而实现跨点云的全面信息交互。
• 提出一种新型基于几何匹配的对应关系置信度评估方法（GMCCE），利用旋转不变的三角化描述子测量空间一致性并估计内点置信度。
• PSE与PFT模块联合训练，通过整合全局结构上下文与细粒度相对位置信息，提取鲁棒且具有区分度的特征。
• 完整的DIT框架将PSE、PFT与GMCCE整合为一个端到端可训练系统，以提升特征表示与对齐精度。
• 模型在ModelNet40上进行训练与评估，并通过大量消融实验验证各组件对鲁棒性与准确性的贡献。

实验结果

研究问题

• RQ1 完整的Transformer架构是否能通过实现更深层次、更有效的信息交互，在点云配准中超越混合CNN-Transformer模型？
• RQ2 在深层窄型Transformer架构中引入位置编码，如何提升特征区分度与点云配准对噪声的鲁棒性？
• RQ3 通过三角化描述子测量的几何一致性，能在多大程度上提升内点置信度估计与异常值排斥能力？
• RQ4 通过专用结构提取器建模全局关系，是否能增强点云在部分重叠与高噪声水平下的鲁棒性？
• RQ5 在具有挑战性的设置下，PSE、PFT与GMCCE各自对整体配准精度与成功率的贡献如何？

主要发现

• DIT在高噪声部分对部分点云配准任务中达到94.7%的成功率，显著优于所有基线方法。
• 消融实验表明，若移除PSE模块，成功率降至1.2%，证明其在建模全局结构与噪声鲁棒性方面具有关键作用。
• 若不使用位置编码网络，成功率下降39.4%，证实其在学习相对空间位置中的重要性。
• 若移除GMCCE模块，准确率下降40–74%，凸显其利用几何一致性区分内点与外点的有效性。
• 与浅层宽型变体相比，深层窄型PFT架构使性能提升55–80%，证明更深层次信息交互的优势。
• 在最具挑战性的高噪声部分对部分设置下，DIT在旋转与平移任务中均达到98%的成功率，优于RGM（94%）及其他所有方法（≤80%）