论文部分内容阅读
为改变目前部分三维点云数据集存在分辨率低、有噪声干扰和只有部分三维数据的问题,受最近神经网络成功的启发,提出一种基于深度学习的点云匹配方法。通过对RGB-D数据集重建获取三维点云数据集,利用卷积神经网络进行深度学习训练,得出一种能解决这些问题的描述子,完成点云匹配,使点云的匹配更加准确。实验结果表明,使用该方法进行点云匹配时,与其它点云匹配方法相比,具有更好的计算速度、运行时间更短,对点云旋转平移具有更好的鲁棒性,点云匹配的准确度更高。