タービン翼は形状が複雑で、材料が特殊であり、加工工程も複雑な特徴を持っています。点群登録に基づく3Dモデルは、翼の製造精度と品質を比較分析および評価することができます。しかし、点群登録の過程では、点群の重複部分を正確に位置決めすることが難しく、計算も複雑です。これらの問題を解決するために、複雑な中空タービン翼の点群高速登録方法が提案されました。本方法は深層学習に基づき、ソース点群とターゲット点群から多段階特徴を抽出し、特徴間で情報交換を行うことで、注意機構を用いずに2つの点群入力のグローバル特徴が同じ部分に集中できるようにします。実験結果は、深層学習ネットワークPANetと比較して、ModelNet40データセットの登録結果のRMSE（r）およびRMSE（t）がそれぞれ34％および15％低減したことを示しています。さらに、ModelNet40データセットに基づく学習を継続してタービン翼点群に対して行った結果、翼点群の登録結果のRMSE（r）およびRMSE（t）がそれぞれ83％および46％低減しました。本方法はタービン翼製造精度の評価プロセスで広く応用されることが期待されます。

点群登録;タービン翼;特徴情報;特徴相互作用;重複領域