一种基于Transformer的粗集料点云配准方法

本发明公开了一种基于Transformer的粗集料点云配准方法，采用自适应点云卷积替代PointNet模块，解决点云局部结构和上下文信息提取能力差的问题，替换后的自适应卷积可以根据输入点的位置和特征信息，自适应地生成卷积核进行特征提取；采用SVD替代全连接层计算刚体变换矩阵，解决全连接层参数设置依赖专家经验和信息丢失的问题，替换后的SVD算法可以忽略点云中的噪声和局部异常值，提取出更稳健的特征，还可根据点云的局部特征，对每个点进行局部刚性变换计算从而提高配准准确度；加入Transformer模块实现特征融合，解决传统深度学习配准算法由于忽略点云结构信息导致精度下降的问题。