基于交叉注意力的三维点云配准研究

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。