基于双重注意力和匹配矩阵优化的点云配准算法

作     者：姬硕 胡立华 张素兰 胡建华 王欣波 JI Shuo;HU Li-hua;ZHANG Su-lan;HU Jian-hua;WANG Xin-bo

作者机构：太原科技大学计算机科学与技术学院山西太原030024 中国科学院自动化研究所北京100190 中科锐智(洛阳)数码科技有限公司河南洛阳471000 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2025年第35卷第5期

页      面：97-105页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62273248) 山西省自然科学基金资助项目(202103021224285) 中科院科技服务网络计划(STS-HP-202202) 

主　　题：点云配准 通道注意力 空间注意力 匹配矩阵优化 深度学习 

摘      要：针对点云配准过程中由于噪声、误匹配和漏匹配导致点云配准算法的配准精度低、鲁棒性差的问题,提出了一种融合双重注意力和匹配矩阵优化的点云配准算法。首先,设计了结合通道注意力和空间注意力的双重注意力模块,对噪声部分赋予较低的权重,使模型能够更专注于重要或相关的信息,从而减少噪声对模型的影响。其次,结合特征点的局部信息和全局信息设计了匹配矩阵优化模块,模型可以充分利用点云数据的多层次特征,从而提高配准的准确性。最后,以人工合成数据集ModelNet40、真实室内场景数据集7Scenes和真实室外场景数据集KITTI为对象进行验证,在ModelNet40高噪声、7Scenes和KITTI的点云配准实验中,旋转矩阵和平移向量的均方根误差分别降低至0.6657和0.0017、0.0796和0.0009、2.0617和0.0417。实验结果表明,该方法可以在降低噪声对模型影响的同时,有效地减少漏匹配以及剔除误匹配,提高点云配准的精度和鲁棒性。