現在の点群登録手法は、秦俑などの文化財モデルを処理する際に、解像度の不一致、点群の部分的な重なり、ノイズ点の多さといった問題を十分に解決できないため、動的グラフ注意機構に基づくResUNet登録モデルを提案する。本モデルは残差モジュールをU-Netに統合し、3次元スパースボクセル畳み込みを用いて点群特徴を計算し、新しい正規化技術であるバッチ近隣正規化（Batch-Neighborhood Normalization、BNHN）を導入して特徴の点密度変化に対するロバスト性を高める。さらに、自己注意機構と交差注意機構により局所特徴と文脈特徴を集約し、最後にランダムサンプリングコンセンサス（RANSAC）アルゴリズムを組み合わせて、ソース点群とターゲット点群間の変換行列を推定し、秦俑文化財モデルの頑健な登録を実現する。本手法の有効性および頑健性を検証するために、4つのデータセット（3DMatch、3DLoMatch、解像度不一致の3DMatchデータセット、および2つの秦俑データセット）にて登録モデルをテストし、実験結果は本アルゴリズムが3DMatchおよび3DLoMatchデータセットでそれぞれ90.1%および61.0%の登録再現率を達成し、解像度不一致の3DMatchデータセットでは特徴学習ベースの登録アルゴリズムに比べて登録再現率が5%～20%向上し、秦俑データセットでは相対回転誤差が0.071未満、相対平行移動誤差が0.016未満であり、同種のアルゴリズムに比べて1桁または数倍の削減を達成した。したがって、本モデルは3D点群の重要な特徴情報を抽出でき、点密度および重なり度の変化に対して高い頑健性を持つ。

点群登録;動的グラフ注意機構;低重複点群;点密度変化;残差ネットワーク