多尺度特征融合的点云配准算法研究

易见兵; 彭鑫; 曹锋; 李俊; 谢唯嘉

doi:10.16088/j.issn.1001-6600.2023082502

广西师范大学学报（自然科学版） ›› 2024, Vol. 42 ›› Issue (03) : 108 -120. DOI: 10.16088/j.issn.1001-6600.2023082502

多尺度特征融合的点云配准算法研究

易见兵, 彭鑫, 曹锋, 李俊, 谢唯嘉

作者信息 +

Author information +

文章历史 +

PDF

摘要

现有点云配准算法提取的特征不够丰富，导致配准精度很难进一步提升。针对该问题，本文提出一种基于深度学习的多尺度特征融合点云配准算法。首先，利用EdgeConv提取多个不同尺度的特征，该特征能够保持局部几何结构特性；接着，引入非线性极化注意力对其输出特征进行筛选，从而提高特征信息的有效性；然后，将以上多尺度特征进行融合并再次利用EdgeConv提取其特征，从而提高特征的表达能力；在刚体姿态估计阶段，采用线性李代数处理旋转变换以充分挖掘点云中的变换信息；最后，根据配准过程中提取点云特征的变化，动态调整损失函数各组成部分的权重，获得更准确的模型预测结果。在ModelNet40数据集上进行实验，本文算法在训练集和测试集样本种类相同时的旋转误差为1.826 7,位移误差为0.001 0;在训练集和测试集的样本种类不相同时(泛化实验)的旋转误差为2.979 4,位移误差为0.001 0。实验结果表明，本文算法的配准精度相比当前主流算法均有提高且泛化性能较好。