一种基于分布的点云配准方法技术

本发明专利技术公开一种基于分布的点云配准方法，主要由点云特征提取模块、注意力重叠部分识别模块、点云分布式配准模块构成，用于存在部分重叠的点云配准任务中。其中点云特征提取模块使用RRI算法提取点云旋转不变描述子；注意力识别模块由GNN网络、多头自注意力模块、多头交叉注意力模块构成。学习点云的几何特征和全局特征，有效地识别源点云与目标点云的重叠点；点云分布式配准模块由三层全连接构成，得到点云的GMM分布参数用于点云配准计算，得到源点云与目标点云的旋转矩阵和平移矩阵。本发明专利技术可以应用于基于三维点云的定位与重建任务中。以应用于基于三维点云的定位与重建任务中。以应用于基于三维点云的定位与重建任务中。

【技术实现步骤摘要】
一种基于分布的点云配准方法


[0001]本专利技术涉及三维图像处理、点云配准、注意力机制和机器学习领域，特别是涉及一种应用于点云配准任务的网络架构，主要优化了当配准的源点云与目标点云只存在部分重叠的配准任务。

技术介绍

[0002]三维图像是立体描述三维空间的一种形式，有别于二维图像，三维图像通常的数据形式有多视角图像、体素、三维网格以及三维点云。其中三维点云是将三维空间用一个一个点来表示，通常点信息包括空间的x，y，z坐标，以及颜色RGB信息来表示，可以完整的描述三维场景，是一种简单且灵活的三维图像数据形式。正因为这样，三维点云被广泛应用于三维重建，无人驾驶等广泛任务中。
[0003]在三维重建和无人驾驶等任务中，点云配准任务是其中的一项基础任务，三维重建和无人驾驶中的建图，就是将传感器获得的三维点云数据，经过数据处理，点云的配准，重新还原三维空间。其中点云配准任务可以描述为：存在部分重叠的源点云A与目标点云B，由于二者坐标系不统一，需要经过点云配准，求得二者的位姿变化矩阵T(4*4)。使得源点云A与位姿变化矩阵T得到转换到目标点云的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布的点云配准方法，其特征在于，包括点云特征提取网络、基于注意力机制的重叠点云识别网络、以及估计点云的混合高斯分布参数网络；点云特征提取网络由MLP和EdgeConv构成；基于注意力机制的重叠点云识别网络由自注意力层、GCN以及交叉注意力层构成；点云的混合高斯分布参数网络由一个MLP网络和一个池化层构成；具体包括以下步骤：(1)点云特征提取网络中：步骤101，输入源点云A与目标点云B，通过EdgeConv，聚合周围点信息，进行初步的点局部特征学习；步骤102，使用MLP全连接层，进行点云的特征提取与维度扩充；(2)基于注意力机制的重叠点云识别网络中：步骤201，输入经过特征提取后的源点云A与目标点云B，分别经过自注意力层，进一步叠加融合特征；步骤202，源点云A特征与目标点云B特征，同时进入交叉注意力层，用以信息交...

【专利技术属性】
技术研发人员：陶文源，孙洛茹，翁仲铭，
申请(专利权)人：天津大学，
类型：发明
国别省市：