Mamba-SoftBBS:改进DCP的点云配准方法

任伟建, 张紫汉, 康朝海, 霍凤财, 孙勤江, 陈建玲

吉林大学学报(信息科学版) ›› 2026, Vol. 44 ›› Issue (03) : 663 -669.

PDF
吉林大学学报(信息科学版) ›› 2026, Vol. 44 ›› Issue (03) : 663 -669. DOI: 10.19292/j.cnki.jdxxp.2026.03.015

Mamba-SoftBBS:改进DCP的点云配准方法

    任伟建, 张紫汉, 康朝海, 霍凤财, 孙勤江, 陈建玲
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对DCP(Deep Closest Point)点云配准算法细粒特征提取能力差、计算效率低和特征误匹配问题,提出了一种基于Mamba和Soft BBS(Soft Best Buddies Similarity)的深度学习点云配准网络。首先,通过DGCNN(Dynamic Graph Convolutional Neural Network)和Mamba网络,从原始点云数据中提取高维特征,提升局部特征提取能力和计算效率;然后,利用Soft BBS求取最优点对相似性矩阵,降低低可靠性匹配点对配准结果的影响,从而提高配准的鲁棒性;最后,通过LS(Least Squares Method)计算得到最优的刚性位姿变换,提升配准的精度。实验结果表明,相较于DCP,该配准算法精度提升65.1%,并在鲁棒性方面优于近期流行的深度学习配准网络。

关键词

点云配准 / 最优点对相似性 / 状态空间模型 / 深度学习

Key words

引用本文

引用格式 ▾
任伟建, 张紫汉, 康朝海, 霍凤财, 孙勤江, 陈建玲. Mamba-SoftBBS:改进DCP的点云配准方法[J]. 吉林大学学报(信息科学版), 2026, 44(03): 663-669 DOI:10.19292/j.cnki.jdxxp.2026.03.015

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/