DualReg：剛体レジストレーションのためのDualスペース・フィルタリングと強化学習

arXiv cs.RO / 2026/4/3

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

DualRegは、特徴に基づく対応付けと幾何学に基づく精緻化の補完的な強みを組み合わせることで、ノイズがあり、部分的に重なり合い、かつリアルタイム制約のある状況下での剛体レジストレーションに対処します。
1点RANSACに続いて精緻化モジュールを行う、効率的な2段階のフィルタリング・パイプラインを導入し、特徴マッチングから信頼できない対応を除去します。
フィルタリングされた対応をアンカーポイントに変換し、幾何学的な代理（プロキシ）を構築したうえで、専用のソルバを用いて、テーラーメイドされた目的関数を最適化し、変換を推定します。
KITTIでの実験により、DualRegはMACと同等の精度を達成しつつ、報告されている32×のCPU時間短縮を実現しており、実用上の効率向上が示されています。
本研究はarXivのアナウンス（v2）として公開されており、実装と評価のための追加資料を提供するプロジェクトページがあります。

Abstract

ノイズを含み部分的に重なり合うデータと、リアルタイム処理の必要性は、剛体レジストレーションにおける主要な課題である。特徴ベースのマッチングは大きな変換差分を扱える一方で精度が限定されるのに対し、局所ジオメトリベースのマッチングは微細な局所整合を達成できるが、良好な初期変換に大きく依存する。そこで両手法の強みを最大限に活用するための、新しいデュアルスペース・パラダイムを提案する。まず、計算コストの軽いワンポイントRANSACアルゴリズムと、その後に続く改良モジュールからなる効率的なフィルタリング機構を導入し、不信頼な特徴ベース対応を除去する。続いて、フィルタリングされた対応をアンカーポイントとして扱い、幾何学的プロキシを抽出し、テーラーメイドのソルバを用いて変換を推定するための有効な目的関数を定式化する。実験により本手法の有効性が検証されており、KITTIにおいて同等の精度でMACに対してCPU時間を32倍高速化したことが示されている。プロジェクトページ: https://ustc3dv.github.io/DualReg/