基于交叉注意力的三维点云配准研究

摘要：

由于传感器的噪声以及遮挡等情况造成部分点云缺失,使得三维点云配准算法的精度面临挑战.本文提取全局与局部特征,通过多尺度特征缓解了噪声及不完整点云对于算法精度的影响.同时,使用交叉注意力对两帧点云进行上下文特征匹配以得到变换特征,加强了点云间的特征交互.在ModelNet40数据集上的实验表明,相比于RPM-Net,在对数据加入噪声且缺失部分点云的情况下,本文所述方法的各向异性旋转误差降低31％,平均平移误差降低33％,可以实现高精度和鲁棒性的点云配准.

关键词：点云配准、深度学习、交叉注意力、多尺度特征、特征匹配

所属期刊栏目：30

分类号：TP391;TP273.4;TN911.73

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：109-112