현재 점군 정합 방법들이 진흙 전사(진흙 군병) 등 유물 모델을 처리할 때 해상도 불일치, 점군 부분 중첩, 다량의 잡음 점 문제를 제대로 해결하지 못하는 문제를 해결하기 위해, 동적 그래프 주의 메커니즘 기반의 ResUNet 정합 모델을 제안한다. 이 모델은 잔차 모듈을 U-Net 네트워크에 통합하고 3차원 희소 복셀 컨볼루션을 사용하여 점군 특징을 계산하며, 새로운 정규화 기술인 배치-이웃 정규화(Batch-Neighborhood Normalization, BNHN)를 도입하여 점 밀도 변화에 대한 특징의 강건성을 향상시킨다. 정합 성능 향상을 위해 자기 주의 메커니즘과 교차 주의 메커니즘을 통해 로컬 특징과 컨텍스트 특징을 집계하며, 최종적으로 랜덤 샘플링 합치기 알고리즘(RANSAC)을 결합하여 원본 점군과 대상 점군 간 변환 행렬을 추정하여 진흙 전사 유물 모델의 강건한 정합을 완성한다. 본 논문의 방법의 유효성과 강건성을 검증하기 위해 4개의 데이터셋(3DMatch, 3DLoMatch, 해상도 불일치 3DMatch 데이터셋 및 두 세트의 진흙 전사 데이터)을 사용하여 정합 모델을 테스트했으며, 실험 결과 본 알고리즘은 3DMatch 데이터셋과 3DLoMatch 데이터셋에서 각각 90.1%와 61.0%의 정합 재현율을 달성했다; 해상도 불일치 3DMatch 데이터셋에서는 특징 학습 기반 정합 알고리즘 대비 정합 재현율이 5%~20% 향상되었다; 진흙 전사 데이터셋에서는 상대 회전 오차가 모두 0.071 미만이고 상대 변위 오차는 모두 0.016 미만으로, 유사 알고리즘 대비 한 자릿수 또는 수 배 감소하였다. 따라서 본 모델은 3차원 점군의 주요 특징 정보를 추출할 수 있으며 점 밀도 및 중첩도 변화에 대해 더 높은 강건성을 가진다.

점군 정합; 동적 그래프 주의 메커니즘; 낮은 중첩 점군; 점 밀도 변화; 잔차 네트워크