面向点云配准的局部-全局动态图更新框架

摘要：

目的:为挖掘点云更深层次的语义信息,解决由特征判别性弱而导致的匹配模糊问题,本文构建了一个局部-全局动态图更新框架实现点云配准.方法:网络由堆叠的局部-全局图聚合层构成特征提取.在每个局部-全局图聚合层中,通过学习局部图邻接矩阵对节点进行特征及坐标更新.并使用新坐标学习全局图边,将局部信息嵌入到全局骨架中,实现局部-全局信息的充分融合,提取到高判别性特征.之后通过双约束匹配模块,对特征的差异性和相似性进行约束,有效提升配准精度.结果:在 ModelNet40 上的实验结果显示,本文方法取得了最佳的匹配效果.在局部点云配准上,旋转误差低至 0.263 5.结论:本文所提出的局部-全局动态图更新框架能够有效提高点云配准性能.

关键词：点云、配准、深度学习

所属期刊栏目：34

分类号：TB391(工程材料学)

资助基金：国家自然科学基金;浙江省自然科学基金项目

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：292-302