基于双分支融合学习和二次图结构优化的点云配准算法

作者：祝磊; 叶海良; 杨冰; 曹飞龙^*

来源：中国计量大学学报, 2023, 34(03): 465-477.

• 点云
• 配准
• 图结构学习
• 对应优化

目的:为了明确建模非结构化点云所蕴含的图结构以及缓解深度图卷积造成的匹配模糊。方法:首先，在局部邻域中构建富含中心点特征和邻居点特征信息的代理点。针对获得的代理点，采用自适应投票的方式学习代理点间的图结构。其次，将包含局部结构信息的节点特征与逐节点独立地学习到的特征融合，从而挖掘每个节点潜在的判别性特征。最后，通过最大化两个邻接矩阵之间的一致性来达到优化对应矩阵的目的，实现更精确的配准性能。结果:大量的对比实验结果显示，本文构建的模型具有最佳的配准效果，其中，在不可见类别的局部到局部的噪声点云配准的误差为RMSE(R)=0.427 3,RMSE(t)=0.003 5,CCD=0.083 2。结论:基于双分支融合学习和二次图结构优化的匹配算法显著地提高了点云配准的性能。

• 单位
  中国计量大学