为解决部分重叠点云配准任务中异常值、冗余点和模糊特征等问题,提出了一种匹配几何特征的新型部分重叠点云配准算法。使用特征交互及多层感知器,计算待配准各点的重叠分数和特征显著值,提取重叠区域的显著特征点。根据长度和角度来捕捉几何特征,提取具有代表性的特征描述符,设计专用的几何特征匹配网络,标识关键点的内部值和异常值,过滤异常值。利用加权奇异值分解运算得到配准结果。实验结果表明,针对ModelNet40数据集,相比于基准算法,所提算法在旋转和平移上的均方根误差和平均绝对误差分别减少了59%、45%、83%、66%;针对ShapeNetCore数据集,该算法在四项指标上分别减少了63%、32%、78%、50%。
胡江豪;王丰;
广东工业大学信息工程学院,广州510006
计算机与自动化
机器视觉;点云配准;重叠区域;特征匹配
《计算机工程与应用》 2024 (012)
P.252-260 / 9
国家自然科学基金(61901124);广东省自然科学基金(2021A1515012305);广州市基础研究计划项目(202102020856)。
10.3778/j.issn.1002-8331.2304-0089
评论