一种基于重叠区域预测的多层级点云配准方法

本发明提供了一种基于重叠区域预测的多层级点云配准方法，主要解决现有点云配准技术受点云非重叠区域的噪声干扰而影响配准的精度问题。其实施方案为：1)获取数据集与标签；2)构建点云配准模型；3)构建损失函数；4)训练点云配准模型；5)获得点云配准变换结果。本发明构建的点云配准模型，通过基于像素网格映射的多层级点云特征提取模块，利用像素网格的结构特性加速特征提取的效率；通过基于卷积神经网络的重叠区域预测模块，在每个特征层级上预测点云的重叠区域，以减少非重叠区域在后续配准过程中的干扰；通过基于频域特征融合的姿态变换回归模块，以更准确地从融合后的频域特征和交叉邻域特征中得到点云的姿态变换结果。