구조적 가림, 시야 제한, 스티칭 오차 등으로 인해 점 구름 측정 과정에서 발생하는 매칭 왜곡 문제를 해결하기 위해 단일 측정 점 구름의 낮은 중첩률 하에서 정확한 정합을 실현하기 위한 다계층 필터링 네트워크(Multi-level Filter Network, MulFNet)를 제안한다. 특성 피라미드 인코딩 네트워크를 통해 점 구름의 다계층 특성을 추출하여 다양한 규모의 의미 정보를 획득하고, 주의 모듈과 정보 인코딩 모듈을 내장하여 특성의 눈에 띄는 정도를 강화한다. 다중 스케일 일관성 결정 메커니즘에 기반해 다계층 특성을 필터링하여 이상치를 걸러내고 점 구름의 두드러진 특성을 유지하여 초기 대응 관계를 획득한다. 마지막으로 기하학적 정보를 기반으로 초기 대응 노드를 적응적으로 그룹화하고, 국소에서 전역으로 가중 변환 추정을 수행하여 다계층 필터링 후 예측 행렬을 얻는다. 실험 결과 MulFNet 네트워크가 표준 3DMatch 공용 데이터셋에서 FCGF, PREDATOR 등 주요 네트워크보다 월등한 매칭 성능을 보였으며, 평균 중첩률 10% 측정 데이터셋에서 매칭 정밀도가 ICP 알고리즘 및 GeoTransformer 네트워크 대비 각각 40.9%, 85.4% 향상되어 낮은 중첩률 점 구름 매칭 왜곡 문제를 효과적으로 해결하였다.

점 구름 매칭; 매칭 왜곡; 낮은 중첩률; 다계층 필터링; 국소 측정