基于SVD的动态多尺度注意力机制的自适应点云配准方法

本发明提供了一种基于SVD的动态多尺度注意力机制的自适应点云配准方法该方法针对传统点云配准算法对噪声敏感、局部几何建模不足及多尺度特征融合效率低的问题，提出以下创新方案：通过超网络生成自适应动态卷积核，结合多尺度通道注意力机制，实现局部与全局特征的层次化融合；设计坐标‑特征联合注意力模型，基于几何距离与语义相似性混合度量筛选高置信邻域点；采用多任务监督策略，动态优化对应点对的权重；通过迭代加权SVD分解，结合不确定性权重抑制噪声干扰，逐步优化旋转矩阵与平移向量。本发明在复杂场景下显著提升了配准精度与鲁棒性，实验表明可实现亚微米级高保真重建，适用于自动驾驶、SLAM及高精度三维重建等领域。