激光与红外

作者：张元

单位：1.中北大学 计算机科学与技术学院,山西 太原 030051；2.机器视觉与虚拟现实山西省重点实验室,山西 太原 030051；3.北方自动控制技术研究所仿真装备部,山西 太原 030006；

关键词：低重叠率;三维点云;点云配准;自适应图卷积;多尺度特征融合

基金：国家自然科学基金项目(No.62272426)；山西省科技重大专项计划“揭榜挂帅”项目(No.202201150401021)资助。

在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。首先利用自适应图卷积(AGConv)提取和编码空间特征,然后使用渐进特征金字塔网络(AFPN)跨多个尺度融合语义信息,共同提高模型在复杂三维场景理解与分析任务上的性能；其次引入几何Transformer增强模型对全局结构和关联性的理解能力,并实现高质量超点匹配；最后结合AGConv和AFPN设计了一种局部到全局的配准方法,利用骨干学习到的局部点特征并通过叠加点匹配解决全局歧义问题,提高算法鲁棒性。实验证明该网络显著提升了低重叠率点云的配准精度。

来源：2025年第6期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第6期