仪器仪表学报

作者：于智龙，高东浦，黄成，齐丽华，张彪

单位：于智龙,哈尔滨理工大学自动化学院哈尔滨150080,zlyu@hrbust.edu.cn,高东浦,哈尔滨理工大学自动化学院哈尔滨150080,,黄成,哈尔滨理工大学自动化学院哈尔滨150080,,齐丽华,哈尔滨理工大学自动化学院哈尔滨150080,,张彪,哈尔滨理工大学自动化学院哈尔滨150080,

关键词：点云配准;图注意力;空间注意力;特征融合;轻量化网络

基金：黑龙江省自然科学基金（LH2023F032）项目资助

为了解决基于点云配准的阀门位姿估计工作中点云背景复杂、部分特征被遮挡缺失、噪声干扰等问题，提出了一种轻量化图-空间注意力机制的多尺度特征融合点云配准网络（LGSA-HFFNet）点云配准算法。该方法设计并使用多尺度并行卷积特征提取层，强化模型特征提取，避免模型训练中梯度爆炸问题并加速收敛；其次,设计结合图注意力与空间注意力机制并进行轻量化改进的轻量化图-空间注意力机制（LGSA）模块，解决由点云信息特征的无序性造成的神经网络特征提取困难的问题，使模型能够有效提取点云局部特征；最后,使用设计位姿估计实验验证系统，将模型在实际阀门位姿估计工作中进行实机部署实验。实验结果表明，LGSA-HFFNet算法在阀门点云配准实验中平均相对平移误差低至0.05m，对旋转误差低至0.984°，且具有良好的鲁棒性，在复杂背景下平移及旋转配准性能仅下降2%、7.5%，配准耗时相较于迭代最近点（ICP）降低80.32%，配准性能远优于ICP和半正定随机化抽样一致（SDRSAC）等传统算法；在ModelNet40对比实验中的旋转、平移误差降低至2.293°和0.006m，配准旋转误差达到比较先进的水平，平移误差较现有模型有较大优势；在噪声干扰较大的真实场景阀门位姿估计数据集实验中误差降低至2.1757°和0.036m，相较于现有模型误差至少降低28.98%和17.81%。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期