一种基于特征学习的端到端点云配准方法
基本信息
| 申请号 | CN202110358537.5 | 申请日 | - |
| 公开（公告）号 | CN113077501B | 公开（公告）日 | 2022-05-27 |
| 申请公布号 | CN113077501B | 申请公布日 | 2022-05-27 |
| 分类号 | G06T7/33（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 宋亚楠;沈卫明;陈刚 | 申请（专利权）人 | 浙江大学计算机创新技术研究院 |
| 代理机构 | 杭州求是专利事务所有限公司 | 代理人 | - |
| 地址 | 311200浙江省杭州市萧山区宁围街道市心北路857号383室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于特征学习的端到端点云配准方法。利用点云中每个点的邻域点构建该点的局部几何特征，并利用每个点的空间坐标、法向信息以及局部几何特征构建该点的混合特征；建立同时处理模板点云和源点云的端到端点云配准深度学习网络；设计平移损失函数和旋转损失函数，在两个损失函数共同监督下完成点云配准网络的训练学习。本发明提出的基于特征学习的端到端点云配准方法对刚体变换的初始位置不敏感，降低了算法陷入局部最优解的概率，能有效提升点云配准的精度和效率。 |
