基于深度学习的点云配准方法

本发明公开了基于深度学习的点云配准方法，包括如下步骤：获取源点云和目标点云并进行点云预处理和检测框提取；提取初始特征，采用VoxelNet模型和嵌入层对其进行体素化处理和特征映射，得到嵌入向量；输入Transformer网络模型进行粗略配准，得到待精确配准的点云序列；经过DBSCAN算法转换处理，输出点云数据集，采用ICP算法进行精确配准，得到源点云到目标点云的变换矩阵，用于点云配准任务。本发明适用于点云之间特征的识别以及粗略配准以及准确配准，可实现数据校验精准配准，在后续生产中可以根据模型预测结果及时调整关键参数，优化点云之间匹配的过程，提高产品的质量和一致性，从而提高制造效率和经济效益。