構造の遮蔽、視野制約、スティッチング誤差などにより点群測定過程で発生するマッチング歪み問題に対して、単一測定点群の低重複率下での精密なレジストレーションを実現するための多層フィルターネットワーク（Multi-level Filter Network、MulFNet）を提案する。特徴ピラミッドエンコーディングネットワークを通じて点群の多層特徴を抽出し、異なるスケールのセマンティック情報を取得するとともに、注意モジュールおよび情報エンコーディングモジュールを組み込み特徴の顕著性を強化する。マルチスケールの一貫性決定機構に基づき多層特徴をフィルタリングし、外れ値を選別し点群の顕著な特徴を保持して初期対応関係を取得する。最後に、初期対応ノードを幾何情報に基づき自適応的にグルーピングし、局所から全局への重み付き変換推定を行い、多層フィルタリング選択後の予測行列を得る。実験結果はMulFNetネットワークが標準的な3DMatch公開データセットにおけるマッチング効果がFCGF、PREDATORなどの主流ネットワークを明確に上回り、平均重複率10%の測定データセットにおけるマッチング精度がICPアルゴリズムおよびGeoTransformerネットワークに対してそれぞれ40.9%および85.4%向上し、低重複率点群マッチングの歪み問題を効果的に解決したことを示した。

点群マッチング; マッチング歪み; 低重複率; 多層フィルタリング; 局所測定