（通讯员 刘家铭）西安电子科技大学协同智能系统教育部重点实验室武越副教授、刘家铭硕士在人工智能领域权威期刊IEEE Computational Intelligence Magazine (CIM)上发表题为“Correspondence-free Point Cloud Registration via Feature Interaction and Dual Branch”的学术论文。该论文提出一种基于特征度量和重建度量的无对应点云配准框架CFNet来学习自适应表征。

点云配准可以有效地重合源点云和目标点云，通常通过几何度量或特征度量来实现。在抗噪声和异常值方面，特征度量配准比传统的点对点对应几何度量误差更小，并且点云重建可以在恢复过程中生成和揭示更多潜在信息，可以进一步优化配准过程。

考虑到配准中成对点云之间的相关性，本文提出了一种可以感知并加强多个阶段点云之间信息关联的特征交互模块。为了澄清旋转和平移本质上不相关的事实，我们将它们视为不同的解空间，并且交互特征被分为两部分以产生双分支回归。此外，所提CFNet具有综合性的训练目标，通过最小化多个损失指标来估计两个输入点云之间的变换矩阵。在合成数据集和真实数据集上进行的大量实验表明，我们的方法优于现有的配准方法。

IEEE Computational Intelligence Magazine是计算机科学和工程技术领域顶级期刊（IF 9，中科院一区，Top期刊）。该期刊介绍计算智能设计和应用领域的新发现、重要见解或教程调查，鼓励作者提交有关面向应用的发展、成功的工业实施、设计工具、技术评论、计算智能教育和应用研究方面的论文，出版的年文章数为20篇左右。