基于混合注意力机制自适应权重的点云配准算法研究

三维点云配准作为一项关键技术，在计算机视觉、自动驾驶和机器人导航等领域有着广泛的应用场景。为了解决三维点云配准网络中存在的空间结构信息提取、融合不充分等问题，提出一种混合注意力自适应权重的点云配准算法。利用混合注意力机制进行特征提取，将关键点的局部细节与全局上下文信息相结合以强化特征的表征能力。采用自适应权重网络，根据数据内在特性学习并分配不同特征的重要性权重实现特征融合。在 ModelNet40 数据集和 KITTI odometry 数据集上分别进行实验，实验结果表明在 ModelNet40 数据集上配准准确率达到 96.7%。在 KITTI odometry 数据集上相对旋转误差和相对平移误差分别降低到 6.2cm 和 0.32°。本文算法使用的混合注意力机制自适应权重，有效提升点云配准精度。