核相关神经网络点云自动配准算法

摘要：

点云配准是点云数据智能处理的重要问题,也是将点云应用于智慧城市、自动驾驶和智能三维重建等方面的关键.针对现有点云配准方法效率低、鲁棒性差的问题,提出了一种基于核相关神经网络的点云自动配准算法.首先构建点云核用于计算点云中每个点的核相关度,然后通过多层感知机对点云进行特征编码,基于编码特征向量估计点间对应关系并求解变换参数,最后以迭代方式来使待配准点云不断逼近目标点云,完成点云配准.使用斯坦福大学3D扫描模型库中的Bunny、Dragon、Happy、Elephant、Horse点云数据,对该算法以及迭代最近邻点算法(ICP)等多个算法进行对比实验.实验结果表明,所提算法能够对不同物体点云实现精确配准,精度和效率均优于所对比算法,且在点云数据存在噪声和密度不一致的情况下仍具有良好的稳定性和精度.

关键词：测量、点云配准、核相关、神经网络、迭代

所属期刊栏目：50

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;中国博士后科学基金

在线出版日期：2022-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1685-1692