计算机应用

作者：喇孝伟, 胡立华, 胡建华, 姚晓玲, 王欣波

单位：1.太原科技大学 计算机科学与技术学院，太原 030024；2.中国科学院 自动化研究所，北京 100190

关键词：低重叠场景,点云配准,位置编码,重叠掩模,自注意力,交叉注意力

基金：国家自然科学基金资助项目(62273248);中国科学院科技服务网络计划项目(STS-HP-202202);太原科技大学研究生教育创新项目(BY2022017)

针对低重叠场景下点云配准方法存在的关键点特征描述信息不足和重叠点云区域较少，进而导致点云的误匹配率高以及配准精度低的问题，设计一种融合位置编码和重叠掩模的低重叠点云配准网络，以降低点云的误匹配率，并提高配准的精度。首先，采用PointNet逐点特征编码器提取点云关键点，并融合关键点的特征信息、坐标信息和位置编码，生成更具判别力的关键点特征；其次，将融合后的特征输入自注意力和交叉注意力模块，以增强点云特征的描述能力，加强点云的上下文信息交互，从而解决关键点描述信息不足的问题；再次，在注意力模块之后引入重叠掩模模块，通过学习重叠掩模去除非重叠区域的关键点，以降低误匹配率；最后，结合Sinkhorn算法进行最优匹配，并采用迭代最近邻点（ICP）算法进行细化，提高点云配准精度。在CODD数据集和KITTI数据集上与多种现有的低重叠点云配准方法进行对比的实验结果表明，经过ICP细化后的网络性能更优，特别是在CODD数据集上，它比当前先进的低重叠点云配准方法CoFiI2P （Coarse-to-Fine correspondences for Image-to-Point cloud registration）的相对平移误差（RTE）和相对旋转误差（RRE）分别降低了53.29%和42.72%，配准召回率（RR）提升了0.2个百分点。可见，该网络能充分提取关键点特征的描述信息，并有效提升低重叠场景下的点云配准精度。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期