基于卷积神经网络的点云配准方法

摘要：

点云配准是三维点云信息处理中的重要问题.传统点云配准方法计算量大,不利于实时计算与移动计算.针对传统点云配准方法存在的问题,提出了一种利用卷积神经网络进行点云配准的方法.首先计算点云的深度图像,利用卷积神经网络提取深度图像对的特征差,将深度图像对的特征差作为全连接网络的输入并计算点云配准参数,迭代地执行上述操作直至配准误差小于可接受阈值.实验结果表明,相比传统的点云配准方法,基于卷积神经网络的点云配准方法具有所需计算量小、配准效率高、对噪声点和异常点不敏感的优点.

关键词：图像处理、点云配准、深度学习、卷积神经网络、深度图像

所属期刊栏目：54

分类号：TP249(自动化技术及设备)

资助基金：航天创新基金

在线出版日期：2018-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：031001.1-031001.9