基于多尺度特征动态融合的点云配准算法
摘要
在点云配准过程中，噪声干扰、表面复杂性高、部分重叠或遮挡，以及尺度差异等因素会影响特征提取的准确性和完整性，进而制约配准效果的改善。为解决这一问题，提出了一种基于多尺度特征动态融合的点云配准算法。该算法首先利用不同深度的稀疏卷积操作从点云数据中提取多级尺度特征信息，涵盖了从局部细节到全局结构的丰富层次；其次，将多级尺度特征进行拼接，形成融合特征表示，以增强特征的完整性和准确性；然后，在网络跳跃连接处引入挤压-激励注意力机制，使算法自适应学习并强化重要特征信息，同时在残差位置处融入全局上下文模块，以更好地捕捉全局结构信息；最后，通过随机采样一致性（RANSAC）算法估计刚性变换矩阵以完成配准。实验结果表明，相较于主流方法，所提方法在特征提取和配准精度方面均展现出显著优势，有效提升了点云配准的性能。
引用本文（GB/T 7714）
刘京 Liu Jing, 张元 Zhang Yuan, 张乐 Zhang Le, 等. 基于多尺度特征动态融合的点云配准算法[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。