基于显著性峰值与特征对齐的点云配准模型

摘要

点云配准的核心是估算变换矩阵.两个点云对之间存在部分重叠、高噪声和密度差异，现有方法无法精确解决显著点云对应关系之间特征对齐问题.因此，提出显著性峰值与特征对齐网络（significance peak and feature alignment network, SPFANet），实现由粗到细的点云配准.SPFANet由多显著性峰值检测器、粗配准和细配准三部分组成.首先，多显著性峰值检测器引入一种基于描述符方差和重叠分数重加权峰值损失方法，去除非歧视与非重叠的关键点云；其次，粗配准阶段通过检测互补关键点集来计算粗步的配准方案；最后，细配准阶段引入带有前向后向变换的特征度量框架细化粗配准，完成高效点云配准.在同源3DMatch数据集和跨源3DCSR数据集上的实验验证了SPFANet的有效性.

关键词

点云配准 / 跨源点云 / 多显著性峰值检测 / 特征度量 / 重加权峰值损失