一种基于深度学习和多目标特征输入拱坝点云配准方法

本发明公开了一种基于深度学习和多目标特征输入拱坝点云配准方法，包括：1）对拱坝进行测站布置，利用地面三维激光扫描仪对拱坝表面进行扫描，获取拱坝的点云数据；2）构建改进的点云分割神经网络，得到拱坝点云的分割结果；3）设计特征提取器，提取分割出的拱坝各部件的轮廓特征；4）设计刚性变换估计网络，将拱坝各部件和岩体轮廓作为输入数据进行配准。本发明先通过基于PointNet++的点云分割网络提取大坝部件，再结合拱坝环境特征，针对坝体与岩体表面差异，分别用Transformer框架和聚类平面边界提取法获取轮廓特征；将轮廓特征作为引导信息输入配准网络，用注意力机制和改进的MLP优化12维特征向量，最后构建刚性配准网络计算变换矩阵。