基于特征检测与深度特征描述的点云粗对齐算法

摘要

点云对齐是点云数据处理的重要步骤之一,粗对齐则是其中的难点.近年来,基于深度学习的点云对齐取得了较大进展,特别是 3DMatch方法,能够在噪声、低分辨率以及数据缺失的条件下取得较好的对齐效果.3DMatch采用随机采样的方式产生待匹配点,当采样点个数较少时会导致匹配率较低,因此对齐效果不佳.为此,利用 ISS特征点检测代替随机采样,然后以3DMatch为特征点生成描述符,最后通过匹配特征描述符实现数据对齐.由于 ISS 特征点检测具有良好的重复性,同时3DMatch能够提供具有高区分度的描述符,因此该方法大大提高了匹配的鲁棒性和准确性.实验结果表明,与随机采样相比,特征点采样在初始点云无噪、弱噪和强噪的情况下对齐效果更好、鲁棒性更强,并且在粗对齐效果相似的情况下,所需特征采样点的个数仅为随机采样点个数的 10%,极大地提高了对齐的效率.