基于多尺度特征融合和残差混合注意力的点云配准算法

摘要：

为提高点云配准的精度、鲁棒性和迁移性,提出一种基于多尺度特征融合和残差混合注意力的点云配准算法.计算点云中不同尺度的k邻近图,分别进行不同深度的边卷积提取特征并融合为新特征,使用具有残差结构的混合注意力模块增强有效特征,通过Transformer和软指针预测变换后的点云,用可微的奇异值分解求解刚性变换.在ModelNet40数据集进行实验,其结果表明,所提算法在干净、有噪声、未见过的点云数据上的配准结果精度更高,噪声鲁棒性更强,迁移性更好,优于对比点云配准算法.

关键词：点云配准、多尺度、特征融合、混合注意力、残差结构、奇异值分解、深度学习

所属期刊栏目：44

分类号：TN391.41(半导体技术)

资助基金：国家自然科学基金61763002

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2650-2656