计算机工程与应用

2022, v.58;No.1013(22) 186-194

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于膨胀图卷积与离群点过滤的残缺点云配准
Partial Point Cloud Registration Based on Dilated Graph Convolution and Outlier Filtering

孙战里;张玉欣;陈霞;

摘要(Abstract):

由于点云在非欧几里德空间中,受到结构不规则、噪声、离群点等不利因素的影响,如何准确配准残缺点云,仍然是一个具有挑战性的任务。针对此任务,提出了一种有效的残缺点云配准网络。为了有效提取局部点云的细粒度特征,设计了一个密集膨胀图卷积模块,通过设置不同的膨胀率增大感受野,该模块中的密集连接形式,能够在有效利用特征的同时,加强特征间的信息传递。在所提出的网络结构中,基于多层感知器的离群点过滤模块,通过利用上下文标准化过滤掉不匹配的点对。在该网络中,匹配点云所需要的转换参数,利用奇异值分解模块获取。在三个广泛使用的数据集ModelNet40、ShapeNetCore与Real Data上的实验结果,验证了所提出网络的有效性。

关键词(KeyWords): 膨胀图卷积;密集连接;离群点过滤;点云配准

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61972002);; 多模态认知计算安徽省重点实验室(安徽大学)开放课题(MMC202004)

作者(Authors): 孙战里;张玉欣;陈霞;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享