基于图神经卷积网络的点云配准算法

为了解决现有点云配准算法对配准点云的初始位置或噪声敏感,对独特几何结构的需求以及算法设计复杂、通用性差等问题,本文提出了基于图神经卷积网络的点云配准算法。该算法利用图神经网络在不规则点云图形结构中寻找关键顶点特征,简化原有点云结构,利用在顶点所属对象特征和局部几何信息中学习到的混合特征来构建点对应的分配网络,并提取所需的图特征。同时,通过将模拟配准信息输入另一卷积网络中,计算最佳的配准拟合参数。该算法降低了对配准初始值的依赖,使算法快速收敛,提高了在点云局部可见情况下的配准质量。