基于自适应采样和混合注意力的点云配准算法

作者：侯维广; 付生鹏^*; 夏鑫; 刘晶

来源：组合机床与自动化加工技术, 2023, (12): 45-49.

DOI：10.13462/j.cnki.mmtamt.2023.12.010

• 点云配准
• 图神经网络
• 工业零件
• 深度学习

针对传统点云配准算法误差大、对离群点敏感以及真实扫描点云无法自动配准的问题，提出一种基于自适应采样和混合注意力机制的点云配准算法。首先，以自适应采样方法获取初始点云，缓解异常点的偏差效应，有利于特征学习；其次，以动态图神经网络级联不同层级的特征，捕捉到更多边缘向量的同时提高点云表达能力；然后，采用混合注意力机制对点云及特征之间进行信息交互并预测正确匹配的概率，给予正确点对更高的权重因子，降低正确点对被消除的概率。实验结果表明，所提方法相比于其它几种方法在掺杂噪声、类别未可见点云数据的情况下配准精度最高，具有较强的泛化能力，同时对于真实采集的零件点云有着较好的配准精度。

• 单位
  机器人学国家重点实验室; 沈阳化工大学; 中国科学院沈阳自动化研究所