计算机应用

作者：徐梦楠, 叶海良, 曹飞龙

单位：1.中国计量大学 理学院，杭州 310018；2.浙江师范大学 数学与交叉科学研究院，杭州 310012

关键词：深度学习,注意力机制,点云,配准,图卷积网络

基金：国家自然科学基金资助项目(62032022);国家自然科学基金资助项目(62176244)

现有的大部分点云配准方法通常忽略了邻域内相邻节点之间的关系，导致对局部几何结构特征提取不足。针对该问题，提出一种面向鲁棒点云配准的邻域关注和拓扑感知的图卷积（NATA）方法，以捕捉更深层次的语义特征和更丰富的几何信息。首先，设计了级联几何感知模块，该模块利用基于自注意力的局部邻域更新图卷积模块，关注局部图的内在几何结构，以获得更精确的局部拓扑信息；其次，级联结构组合不同维度的局部拓扑信息，以产生更具判别性的局部描述符；最后，提出特征交互图更新模块，该模块在点云中建立了一种注意力机制来捕捉点云的隐含关系并感知点云的形状特征。在具有挑战性的3D点云基准测试上的实验结果表明，所提方法在部分噪声点云配准中的平均绝对误差（MAE）在未知形状和未知类别下分别取得了0.157 2和0.154 4的优异结果。

来源：2025年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第11期