双归一化(Dual Normalization)在点云匹配任务中的应用

目录

dual_normalization的含义

在点云匹配中的具体计算

在点云匹配中的作用

CoarseMatching模块代码精读

---

dual_normalization的含义

        在点云匹配中，dual_normalization（双重归一化）是一种用于优化匹配过程的技术，旨在通过两次归一化操作来提高匹配的鲁棒性和准确性。它主要用于处理点云特征之间的相似性矩阵，通过归一化操作平衡不同特征之间的匹配得分

在点云匹配中的具体计算

双重归一化通常包括以下两个步骤：

1. 行归一化（按列归一化）
   对相似性矩阵的每一行进行归一化，使得每一行的和为1。这一步的目的是确保每个参考点云中的特征与源点云中所有特征的匹配得分具有可比性。具体计算公式为：                                               

   其中，matching_scores 是参考点云和源点云特征之间的相似性矩阵，dim=1 表示按列归一化，epsilon 是一个小常数（如 10−8），用于避免除以零。

2. 列归一化（按行归一化）
   对相似性矩阵的每一列进行归一化，使得每一列的和为1。这一步的目的是确保每个源点云中的特征与参考点云中所有特征的匹配得分具有可比性。具体计算公式为：