计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (24): 209-215.DOI: 10.3778/j.issn.1002-8331.2209-0004
孙刘杰,翟仁杰,王文举,庞茂然
SUN Liujie, ZHAI Renjie, WANG Wenju, PANG Maoran
摘要: 针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题,提出了一种基于3D特征动态融合的点云特征提取网络(3D feature dynamic fusion and residual u-net,DFRUNet)。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合,以充分提取点云中的有效信息;同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征,通过动态调整显著区域的权重,对该区域特征进行重点提取,以提高所提取特征的质量。将网络所提取特征映射到高维空间中,采用随机采样一致性(random sample consensus,RANSAC)算法完成点云配准。实验结果表明,在3DMatch数据集上,该算法特征匹配召回率(feature-match recall,FMR)达到了96.3%,相较于经典的FCGF算法提高了0.011。配准召回率(registration recall)达到了82.2%,提高了0.014。该方法充分提取了点云中的有效信息,达到了更高的召回率,对其他点云配准研究具有参考价值。