基于双重注意力和匹配矩阵优化的点云配准算法

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：姬硕;胡立华;张素兰;胡建华;王欣波;

单位：1. 太原科技大学 计算机科学与技术学院,山西 太原 030024;2. 中国科学院 自动化研究所,北京 100190;3. 中科锐智(洛阳)数码科技有限公司,河南 洛阳 471000

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. 665 7 和 0. 001 7、0. 079 6 和 0. 000 9、2. 061 7 和 0. 041 7。 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。

关键词：点云配准;通道注意力;空间注意力;匹配矩阵优化;深度学习