近日，我校计算机与信息学院、智慧农林福建省高校重点实验室、农林大数据研究中心陈日清教授团队在人工智能与遥感领域权威期刊IEEE Transactions on Geoscience and Remote Sensing 上发表题为“PG-Net: Progressive Guidance Network via Robust Contextual Embedding for Efficient Point Cloud Registration”的研究论文。

点云配准是三维计算机视觉领域中一个基础且关键的问题，其旨在利用对应关系得到最优的姿态估计，从而将不同观测站得到的点云准确的对齐到同一坐标系中。作为底层视觉通往高层视觉的纽带，点云配准技术被广泛应用于各种视觉领域，例如三维重建、增强现实、即时定位与地图构建、自动驾驶等。

现有的点云配准网络都使用一种单序列结构的学习框架，即特征嵌入输出特征层的输入仅仅来自上一层单序列结构的输出，并不能充分捕获复杂场景中的全局上下文信息。这将使网络保留过多的离群值，导致点云配准结果不够准确，如图2（a）所示。因此，该研究首先提出了一个上下文嵌入（Contextual Embedding，CE）块，从同一层的不同方面充分捕捉上下文信息，并利用通道-空间注意力机制加强对内点和重要通道空间的表示，以利于对应关系的学习。然后，本文采用提出的两阶段神经光谱匹配模块来计算每个对应关系的内点概率，并估计一个从粗到细的暂定转换模型，如图2（b）所示。为了进一步排除离群值，优化对齐细节，该研究提出了一种新的点云配准网络，称为基于鲁棒上下文嵌入的渐进引导网络 PG-Net（Progressive Guidance Network via Robust Contextual Embedding）。PG-Net 利用学习到的内点概率来进一步引导初始对应关系的分类。如图2（c），经过内点概率的渐进引导，PG-Net 可以识别并保留更多的内点，输出更准确的姿态估计细节对齐结果。图3为本文所提出的基于鲁棒上下文嵌入的渐近引导网络框架图。

我校计算机科学与技术硕士研究生王京涛为论文第一作者，我校计算机与信息学院、智慧农林福建省高校重点实验室、农林大数据研究中心杨长才副教授为论文通讯作者，我校为论文第一完成单位与通讯作者单位。我校农林大数据研究中心魏丽芳副教授和陈日清教授为论文共同作者，武汉大学马佳义教授等也为本研究成果作出重要贡献。该研究得到了国家自然科学基金项目、福建高校产学研联合创新项目、福建省科技计划项目和福建省健康教育联合研究项目等资助。

论文链接：

https://ieeexplore.ieee.org/abstract/document/10098825

本文链接：https://www.fafu.edu.cn/2023/0515/c132a77664/page.htm