A Hierarchical Attention Fused Descriptor for 3D Point Matching 

　　适用于3D点匹配的分层注意力融合描述子 

　　相较于二维图像特征，包含空间几何信息的3D特征在点云配准、场景三维重建、场景感知等应用中表现更加鲁棒和稳定。基于最近深度学习在图像特征表示方面取得的成功，团队研究人员同时考虑不同输入信息以及不同通道信息对3D特征的响应差异，提出了一种分层的注意力融合机制实现了对输入数据的高效特征提取。其次，网络还引入局部特征聚合模块以避免传统池化方式带来的信息损失，最终学习得到了一种能够用于高精度点云配准的3D特征描述子。实验证明，该特征描述子显著提高了三维场景重建中点云配准的精准度，尤其增强了大视角变换（视场覆盖率小）条件下点云配准算法的稳定性。 

　　图1 算法流程图 

　　图2 特征融合和压缩模块 

　　图3 点云片段配准可视化，从上到下分别是待配准片段，本文的工作，3DMatch方法 

　　本文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8733802