基于圖神經(jīng)卷積網(wǎng)絡(luò)的點(diǎn)云配準(zhǔn)算法

摘 要：為了解決現(xiàn)有點(diǎn)云配準(zhǔn)算法對(duì)配準(zhǔn)點(diǎn)云的初始位置或噪聲敏感，對(duì)獨(dú)特幾何結(jié)構(gòu)的需求以及算法設(shè)計(jì)復(fù)雜、通用性差等問題，本文提出了基于圖神經(jīng)卷積網(wǎng)絡(luò)的點(diǎn)云配準(zhǔn)算法。該算法利用圖神經(jīng)網(wǎng)絡(luò)在不規(guī)則點(diǎn)云圖形結(jié)構(gòu)中尋找關(guān)鍵頂點(diǎn)特征，簡(jiǎn)化原有點(diǎn)云結(jié)構(gòu)，利用在頂點(diǎn)所屬對(duì)象特征和局部幾何信息中學(xué)習(xí)到的混合特征來構(gòu)建點(diǎn)對(duì)應(yīng)的分配網(wǎng)絡(luò)，并提取所需的圖特征。同時(shí)，通過將模擬配準(zhǔn)信息輸入另一卷積網(wǎng)絡(luò)中，計(jì)算最佳的配準(zhǔn)擬合參數(shù)。該算法降低了對(duì)配準(zhǔn)初始值的依賴，使算法快速收斂，提高了在點(diǎn)云局部可見情況下的配準(zhǔn)質(zhì)量。

關(guān)鍵詞：圖神經(jīng)卷積網(wǎng)絡(luò)；點(diǎn)云；迭代；收斂

中圖分類號(hào)：P 237 " " " " 文獻(xiàn)標(biāo)志碼：A

隨著激光雷達(dá)（Light Detection and Ranging，LiDAR）、3D體感攝影機(jī)（Kinect）等高精度傳感器的快速發(fā)展以及基于深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)算法的提出，點(diǎn)云已成為表征三維世界的主要數(shù)據(jù)格式。如何將傳感器探測(cè)到的有限場(chǎng)景數(shù)據(jù)組成的點(diǎn)云采用配準(zhǔn)算法生成完整的三維場(chǎng)景點(diǎn)云，成為當(dāng)前的主要問題[1-2]。根據(jù)變換矩陣，可以將同一個(gè)三維場(chǎng)景或物體的部分掃描點(diǎn)云合并為一個(gè)完整的三維點(diǎn)云。

1 點(diǎn)云配準(zhǔn)算法現(xiàn)狀分析

1.1 基于距離的匹配算法

基于距離的匹配算法包括迭代最近點(diǎn)（Iterative Closest Point，ICP）算法、RPM（Robust Point Matching，RPM）等。ICP算法通過迭代的方式解決點(diǎn)云的剛性配準(zhǔn)問題，主要步驟如下。1）基于最近的空間距離尋找hard點(diǎn)的對(duì)應(yīng)關(guān)系。2）求解最小二乘變換。其中，步驟1）對(duì)配準(zhǔn)點(diǎn)云的初始位置和噪聲點(diǎn)/離群點(diǎn)敏感，可能導(dǎo)致在迭代的過程中收斂到錯(cuò)誤的局部最小值。……