基于邊緣感知的點云配準算法

摘要： 在使用深度學習方法進行點云配準時,直接利用特征相似性作為采樣依據(jù),往往會導致采樣過于集中且大量分布在平面等非顯著區(qū)域內(nèi),不利于變換矩陣的推導.針對此問題,提出一種邊緣感知的點云配準算法.首先通過分析點云中每點與其鄰域點的空間分布對邊緣區(qū)域進行檢測;然后針對現(xiàn)有的特征描述子和聯(lián)合學習框架,將對應關(guān)系和關(guān)鍵點的采樣區(qū)域限定在邊緣區(qū)域,提高特征的匹配能力;最后將特征相似性和顯著性作為...