近日，机自学院解杨敏教授团队在机器人感知领域取得重要进展，相关研究成果发表在遥感领域国际顶级期刊《IEEE Transaction on Geoscience & Remote Sensing TGRS》，题为“Hybrid-feature Geometric Descriptor for Point Clouds Registration in Architectural Scenarios”。上海大学为该论文第一单位，机自学院博士研究生张敬寒为第一作者，课题组杨雨生老师为第二作者，解杨敏教授为通讯作者。

在遥感测绘领域，TGRS被公认为与RSE以及ISPRS并列的三大顶级期刊，具有极高的学术影响力与国际地位。此次研究成果在TGRS上的发表，标志着机自学院在相关研究方向上持续取得高水平突破。

本研究面向建筑等高度结构化场景中的点云配准难题，以“混合特征”作为核心突破口，提出了新型混合特征几何全局描述子（HGD）。该描述子统一融合角点、直线、平面等多类结构性几何特征，实现了跨尺度、跨结构要素的稳健特征表达，从根本上提升了配准算法对重复结构、遮挡以及极端重叠率变化的适应能力。

依托HGD的全局表达能力，所提出的点云配准方法在无需人工标记点的条件下，即可实现完全自动化的高精度配准，其融合精度在典型建筑场景中达到毫米级，与传统人工标记方法处于同一数量级，显著促进大规模环境重构任务的自动化部署。实验结果表明，该混合特征方法在结构化场景、极端重叠率条件中均展现出显著鲁棒性优势，能够稳定输出高质量的点云配准结果。得益于其高精度、强泛化与高度自动化的特点，该技术在机器人自主导航、具身智能感知、机械臂遥操作、数字建筑测绘以及复杂建筑重建等领域均具备广阔的应用潜力。

图1 室内场景（办公室、楼梯和会议室）的点云配准效果

图2 超大户外场景（教堂和校园）的配准效果

全文链接：https://ieeexplore.ieee.org/document/11224559