计算机工程

作者：谢帅康, 熊风光, 朱新杰, 宋宁栋, 李文清, 王廷凤

单位：1. 中北大学计算机科学与技术学院, 山西 太原 0300512. 中北大学山西省视觉信息处理及智能机器人工程研究中心, 山西 太原 0300513. 中北大学机器视觉与虚拟现实山西省重点实验室, 山西 太原 030051

关键词：低重叠率,多特征融合,可变形自注意力,边缘松弛块,重叠对应预测

基金：国家自然科学基金(62272426); 山西省回国留学人员科研基金(2020-113); 山西省科技成果转化引导专项基金(202104021301055); 山西省科技重大专项计划“揭榜挂帅”项目(202201150401021)

针对低重叠场景下点云配准方法鲁棒性差、配准精度低的问题，提出一种基于空间可变形Transformer(SDT)的三维点云配准方法。设计多级分辨率特征的提取与融合方法，显式计算点云的局部空间关系。利用SDT模块增强点云空间特征的表达能力，聚合局部与全局的特征得到特征矩阵。计算两个特征矩阵的相似度矩阵并额外地为其添加边缘松弛块，有效降低了不可行匹配对配准鲁棒性的影响，同时对相似度矩阵进行归一化等计算得到软对应置信度矩阵，根据预测的对应点空间特征是否一致来寻找点云在低重叠场景下更精确的对应关系，使用直接定义在对应关系上的损失来训练网络，将软对应关系转换为一对一的硬匹配关系，最终通过随机抽样一致性刚性变换求解器执行配准。实验结果表明，在重叠率低于30%的3DLoMatch场景中，该方法的特征匹配召回率和配准召回率相比于高度关注重叠区域的成对点云配准等方法至少提高了3.7和3.9个百分点，并且具有较强的鲁棒性。

来源：2024年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第3期