CN114708315B 一种基于深度虚拟对应点生成的点云配准方法及系统 （云南大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114708315B(45)授权公告日2025.07.08

(21)申请号202210398269.4

(22)申请日2022.04.15

(65)同一申请的已公布的文献号申请公布号CN114708315A

(43)申请公布日2022.07.05

(73)专利权人云南大学

地址650091云南省昆明市翠湖北路2号

(72)发明人柏正尧许祝李坤陈舒平

(74)专利代理机构北京高沃律师事务所11569专利代理师刘芳

(51)Int.CI.

GO6T7/33(2017.01)

GO6V10/46(2022.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

GO6N3/08(2023.01)

GO6N3/048(2023.01)

GO6N3/047(2023.01)

(56)对比文件

柏正尧等.“一种使用伪对应点生成的D点云配准方法”.《计算机科学》.2023,全文.

审查员秦涛

权利要求书3页说明书14页附图5页

(54)发明名称

一种基于深度虚拟对应点生成的点云配准方法及系统

(57)摘要

CN114708315B本发明涉及一种基于深度虚拟对应点生成的点云配准方法及系统。所述方法包括：在特征空间中使用特征编码模块提取源点云和目标点云中关键点的特征向量，并构建全局特征注意力矩阵；构建虚拟对应点生成层，结合全局特征注意力矩阵得到对应点对；构建对应点加权层用于预测对应点对成为内点的置信度；构建离群点过滤模块将置信度低于内点阈值的对应点对进行剔除；使用加权奇异值分解方法以剩余对应点对作为输入，求解出源点云和所述目标点云之间的刚性变换信息；根据刚性变换信息将源点云和目标点云进行配准。本发明方法能够在缺少初始变

CN114708315B

构建特征编码模块

在特征空间中使用特征编码模块提取源点云和目标点云

中关键点的特征向量，并根据特征向量构建全局特征注

意力矩阵

构建虚拟对应点生成层，结合全局特征注意力矩阵得到对应点对

构建对应点加权层用于预测对应点对成为内点的置信度

构建离群点过滤模块将置信度低于内点阈值的对应点对(进行剔除，得到剩余对应点对

使用加权奇异值分解方法以剩余对应点对作为输入，求(解出源点云和目标点云之间的刚性变换信息

根据刚性变换信息将源点云和目标点云进行配准

102

104

106

CN114708315B权利要求书1/3页

2

1.一种基于深度虚拟对应点生成的点云配准方法，其特征在于，包括：

构建特征编码模块；所述特征编码模块的输入为待配准的源点云和目标点云，输出包括特征向量和交叉注意力矩阵；

在特征空间中使用所述特征编码模块提取所述源点云和所述目标点云中关键点的特征向量，并根据所述特征向量构建全局特征注意力矩阵；

构建虚拟对应点生成层，结合所述全局特征注意力矩阵得到对应点对；

构建对应点加权层用于预测所述对应点对成为内点的置信度；

构建离群点过滤模块将所述置信度低于内点阈值的所述对应点对进行剔除，得到剩余对应点对；

使用加权奇异值分解方法以所述剩余对应点对作为输入，求解出所述源点云和所述目标点云之间的刚性变换信息；所述刚性变换信息包括旋转矩阵和平移向量；

根据所述刚性变换信息将所述源点云和所述目标点云进行配准。

2.根据权利要求1所述的方法，其特征在于，所述构建特征编码模块，具体包括：

构建由L层重复的交叉注意力网络组成的特征编码模块；每层所述交叉注意力网络中包含一个残差神经网络块B;所述残差神经网络块B由4层完全相同的残差神经网络基本单元顺序连接组成。

3.根据权利要求2所述的方法，其特征在于，所述在特征空间中使用所述特征编码模块提取所述源点云和所述目标点云中关键点的特征向量，并根据所述特征向量构建全局特征注意力矩阵，具体包括：

所述特征编码模块中第1层交叉注意力网络的输入为第1-1层交叉注意力网络输出的特征向量下-1)和下-1);其中11≤L;

所述特