.png){kind=icon}
返回
PCRNet+: A Point Cloud Alignment Algorithm Introducing Dynamic Graph Convolutional Neural Networks
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14050972.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于PCRNet改进的点云配准网络。在改进模型中，使用DGCNN作为特征提取器以捕获点云的局部和全局几何特征，并采用全连接层进行特征融合和刚体变换参数预测。与原始PCRNet相比，改进网络在点云配准任务中表现出更高的精度和鲁棒性。为验证改进网络的性能，实验中采用两种经典算法ICP和FGR作为基准，分别在无噪声和含噪声条件下对PCRNet及其改进版本进行实验比较。实验结果表明，本文提出的方法（PCRNet+）在不同测试条件下均优于原始PCRNet，包括无噪声、含噪声和遮挡场景的实验。具体而言，在含噪声条件下，PCRNet+在三个关键指标上超越次优算法FGR超过95.9%；在遮挡场景中，PCRNet+在所有评估指标上相比FGR实现了超过100%的提升。
Keyword:
three-dimensional point cloud
point cloud alignment
deep learning
PCRNet+
期刊
IF:
2.6
论文数:
9.8K
被引数:
4.7W
机构
引用论文
.png){kind=icon}
Hybrid Global optimization Methods and Iterative Closest Point on Point-based Approach for 3D Registration混合全局优化方法与基于点的迭代最近点算法在3D配准中的应用
PREAI
分享收藏PointNetLK: Robust & Efficient Point Cloud Registration Using PointNetPointNetLK: 使用PointNet进行稳健高效的点云配准
PREAI
分享收藏3D Registration Method Based On MVFNet And Super4PCS For Nonhomologous Face Pointclouds基于MVFNet和Super4PCS的非同源人脸点云3D配准方法
PREAI
分享收藏
查看更多内容