(通讯员 苑咏哲) 西安电子科技大学协同智能系统教育部重点实验室苑咏哲博士、武越教授在IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS)上发表题为“One-Nearest Neighborhood Guides Inlier Estimation for Unsupervised Point Cloud Registration”的学术论文。该论文针对源点云对应的参考点云副本生成质量低的问题，提出了一种1-NN点云策略，有效提升了参考点云副本的生成质量，为内点估计提供了良好先验。

在构建匹配图时，通常采用单点特征距离或单邻域分数聚合来计算匹配分数。由于相似的局部信息和全局上下文，可能会出现错误匹配。该论文提出了1-NN点云策略，有效缓解这一困境，加强了匹配图的构建，从而获得高质量的参考点云副本。1-NN用于通过探索最近点的额外邻域来改进原始点匹配关系，而不是增强描述局部信息或全局上下文。此外，利用高质量的参考副本作为先验，我们构建了变换不变的几何结构表示，并捕获几何结构一致性，对源点云与其参考副本之间估计的对应关系进行了置信度评分，提升了内点估计的精度。我们以无监督的方式训练模型，并且在合成和真实数据集上的大量实验证明了所提出方法的有效性。

IEEE TNNLS是中科院一区TOP期刊（IF：10.2）、中国计算机学会（CCF）认定的人工智能领域的B类期刊。

论文链接：https://ieeexplore.ieee.org/document/10742111