科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
