计算机辅助设计与图形学学报

作者：高俊杰, 王瑞安, 王子雄, 董秋杰, 高浩浩, 辛士庆

关键词：点云配准, 边缘检测, 特征描述子, 关键点检测

在使用深度学习方法进行点云配准时, 直接利用特征相似性作为采样依据, 往往会导致采样过于集中且大量分布在平面等非显著区域内, 不利于变换矩阵的推导. 针对此问题, 提出一种边缘感知的点云配准算法. 首先通过分析点云中每点与其邻域点的空间分布对边缘区域进行检测; 然后针对现有的特征描述子和联合学习框架, 将对应关系和关键点的采样区域限定在边缘区域, 提高特征的匹配能力; 最后将特征相似性和显著性作为采样概率, 得到一组分布良好的对应关系或关键点并用于配准. 在真实数据集和合成数据集上的大量实验结果表明, 所提算法可以使现有的特征描述符达到与现有联合学习框架相当的性能, 对于现有联合学习框架, 在低重叠点云场景(3DLoMatch)中, 边缘区域采样关键点可以平均提高约5%的配准召回率.

来源：2024年第7期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第7期