典型文献
点云配准中多维度信息融合的特征挖掘方法
文献摘要：
数据挖掘是使用人工智能等方法在大型数据集中提取隐含潜在信息的过程,为从大量信息中获取有价值的知识提供了有效途径.在使用深度学习解决点云配准任务的过程中,数据挖掘也无处不在.全局特征提取和刚体变换估计是无对应点云配准的2个关键阶段,挖掘隐藏在2个阶段中的丰富信息是点云配准的重要任务之一.然而,最近提出的方法在提取全局特征时容易忽略低维局部特征,导致大量点云信息的丢失,使得后续刚体变换估计阶段求解变换参数时精度无法达到预期.首先,提出了一种基于多维度信息融合的特征挖掘网络,充分挖掘点云中的高维全局和低维局部信息,有效弥补了点云配准的全局特征提取阶段局部特征的缺失.其次,在刚体变换估计阶段使用了对偶四元数估计姿态,其可以在一个公共框架内同时表示旋转和平移,为姿态估计提供紧凑和精确的表示.最后,在ModelNet40数据集上进行的大量实验表明:与现有前沿的无对应点云配准方法相比,提出的方法可以获得更高的精度,同时对噪声具有较强的鲁棒性.
文献关键词：
数据挖掘;特征提取;点云配准;多维度信息融合;对偶四元数
中图分类号：
作者姓名：
武越;苑咏哲;岳铭煜;公茂果;李豪;张明阳;马文萍;苗启广
作者机构：
西安电子科技大学计算机科学与技术学院 西安 710071;西安电子科技大学人工智能学院 西安 710071;西安电子科技大学电子工程学院 西安 710071
文献出处：
引用格式：
[1]武越;苑咏哲;岳铭煜;公茂果;李豪;张明阳;马文萍;苗启广-.点云配准中多维度信息融合的特征挖掘方法)[J].计算机研究与发展,2022(08):1732-1741
A类：
多维度信息融合
B类：
点云配准,特征挖掘,挖掘方法,知识提供,使用深度,无处不在,全局特征提取,刚体,对应点,关键阶段,略低,低维,局部特征,解变,变换参数,挖掘点,云中,高维,局部信息,对偶四元数,平移,姿态估计,紧凑,凑和,ModelNet40,配准方法
AB值：
0.26946
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
