3D 视觉

Registration-Free Monitoring of Unstructured Point Cloud Data via Intrinsic Geometrical Properties

无需配准的无结构点云数据监控：通过内在几何特性

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出了一种无需配准的点云数据监控方法，利用内在几何特性进行特征学习，有效识别不同类型的缺陷。

Comments Code available at https://github.com/franci2312/RFM

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

耦合拉普拉斯特征映射用于局部感知的3D刚性点云匹配

Matteo Bastico, Etienne Decencière, Laurent Corté, Yannick Tillier, David Ryckelynck

机构 * Mines Paris, Université PSL（巴黎 Mines 学院，巴黎大学） ； Centre des Matériaux (MAT), UMR7633 CNRS（材料中心（MAT），CNRS UMR7633） ； Centre de Morphologie Mathématique (CMM)（数学形态学中心（CMM）） ； Centre de Mise en Forme des Matériaux (CEMEF), UMR7635 CNRS（材料成型中心（CEMEF），CNRS UMR7635） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出基于耦合拉普拉斯特征映射的3D点云匹配方法，通过考虑局部结构提升匹配精度，应用于物体异常检测和骨侧估计任务。

Comments This paper has been accepted at Computer Vision and Patter Recognition (CVPR) 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, pp. 3447-3458

Point Cloud Streaming with Latency-Driven Implicit Adaptation using MoQ

基于延迟驱动的隐式适应的点云流媒体使用MoQ

Andrew Freeman, Michael Rudolph, Amr Rizk

专题命中 点云 ：point cloud(title,abstract)

AI总结 本研究提出一种基于延迟驱动的隐式适应方法，利用MoQ协议实现点云流媒体的动态质量调整，根据客户端延迟需求自动优化视频质量。

Symmetry Informative and Agnostic Feature Disentanglement for 3D Shapes

对3D形状的对称信息性和对称无关性特征解耦

Tobias Weißberg, Weikang Wang, Paul Roetzer, Nafie El Amrani, Florian Bernard

机构 * University of Bonn（波恩大学） ； Lamarr Institute（拉玛尔研究所） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出了一种同时具有对称信息性和对称无关性的特征解耦方法，以提高3D形状分析的鲁棒性和准确性。

Comments Accepted at 3DV 2026