一种基于局部特征和欧式空间距离的深度神经网络点云配准系统及其构建方法

    公开(公告)号:CN118379334B

    公开(公告)日:2024-09-10

    申请号:CN202410512743.0

    申请日:2024-04-26

    Abstract: 一种基于局部特征和欧式空间距离的深度神经网络点云配准系统及其构建方法,属于图像处理技术领域。为求解刚体运动参数估计,本发明包括点云特征学习模块、特征空间聚集模块、特征空间相似性度量模块和刚体运动参数估计模块,点云特征学习模块包括SPNet主干网络和LoF局部特征提取网络。本发明利用局部邻域特征模块来充分学习点及其邻域之间的几何关系以此获取点云的局部几何特征。利用深度学习和迭代优化的方法对抗点云配准的初始扰动问题,将局部邻域信息及其欧几里得空间位置进行联合信息编码,将联合的编码信息整合到点对的匹配过程中,以此寻找置信度更高的对应关系映射,进而求解刚体运动参数估计。本发明刚体运动参数估计较准确。

    一种基于局部特征和欧式空间距离的深度神经网络点云配准系统及其构建方法

    公开(公告)号:CN118379334A

    公开(公告)日:2024-07-23

    申请号:CN202410512743.0

    申请日:2024-04-26

    Abstract: 一种基于局部特征和欧式空间距离的深度神经网络点云配准系统及其构建方法,属于图像处理技术领域。为求解刚体运动参数估计,本发明包括点云特征学习模块、特征空间聚集模块、特征空间相似性度量模块和刚体运动参数估计模块,点云特征学习模块包括SPNet主干网络和LoF局部特征提取网络。本发明利用局部邻域特征模块来充分学习点及其邻域之间的几何关系以此获取点云的局部几何特征。利用深度学习和迭代优化的方法对抗点云配准的初始扰动问题,将局部邻域信息及其欧几里得空间位置进行联合信息编码,将联合的编码信息整合到点对的匹配过程中,以此寻找置信度更高的对应关系映射,进而求解刚体运动参数估计。本发明刚体运动参数估计较准确。

Patent Agency Ranking