基于交叉注意力的三维点云配准研究 |
| |
作者姓名: | 欧文君 郑明魁 邱鑫 |
| |
作者单位: | 福州大学 |
| |
摘 要: | 由于传感器的噪声以及遮挡等情况造成部分点云缺失,使得三维点云配准算法的精度面临挑战。本文提取全局与局部特征,通过多尺度特征缓解了噪声及不完整点云对于算法精度的影响。同时,使用交叉注意力对两帧点云进行上下文特征匹配以得到变换特征,加强了点云间的特征交互。在ModelNet40数据集上的实验表明,相比于RPM-Net,在对数据加入噪声且缺失部分点云的情况下,本文所述方法的各向异性旋转误差降低31%,平均平移误差降低33%,可以实现高精度和鲁棒性的点云配准。
|
关 键 词: | 点云配准 深度学习 交叉注意力 多尺度特征 特征匹配 |
|
|