项目简介：单光子成像是采用脉冲激光光源，利用波分复用等非线性光学技术实现超高精度与强抗噪成像的一种新型技术。相较于传统激光雷达系统，单光子雷达系统在远距离、恶劣环境噪声影响下具有显著优势，在微弱信号探测、远距离成像、精密测量等领域的应用潜力巨大。

在三维成像任务中，单光子雷达系统从不同的空间角度对目标物体进行多次点云数据采集，得到不同空间坐标系下部分重合的多个点云片段，进而通过点云配准技术实现完整三维图像重构。目前常用的点云配准算法一般要求多角度拍摄的点云片段之间具有较高的重合度以提供足够的图像匹配信息。然而，由于单光子雷达纵深成像范围有限、点云密度大，在许多非常规的成像任务中，难以获得多角度高重合度的多点云片段。研究具有低重合度的点云配准技术，对提升单光子雷达整体三维成像能力，提升其应用价值具有关键作用。

针对上述关键问题，本发明提出一种基于稀疏全卷积神经网络的点云配准技术，能够极大提升低重合度场景下点云配准的准确率，以减少同一物体或场景的部分点云扫描次数，显著减少整体点云配准需要的时间以及提升配准效率，对单光子激光雷达系统在实际三维成像应用中具有重要意义。

技术描述：本技术的目标是提供一种低重合度场景下的点云配准方法，解决（不限于）低重合度场景下点云同名点对数量少，配准精度差的问题，并提升单光子雷达探测系统对真实场景进行三维重构的效率。具体技术特点与优势包括：

（1）配准速度快：通过稀疏全卷积神经网络，达到逐点特征的快速稠密提取，并通过随机采样一致性算法进行快速同名点对匹配，显著降低单光子雷达探测系统整体三维重构所需时间。

（2）低重合度点云场景下配准精度高：通过采用交叉注意力机制，显式挖掘重合区域信息，将匹配阶段的点采样在重合区域内，同时动态限制卷积核感受野于区域内，提升低重合度场景下的配准精确率。

（3）网络端到端设计：整体架构采用深度学习中端到端的网络设计方式，可实现输入具有一定重合度的点云，输出相对位姿变换信息，直接应用于点云的三维重构。

知识产权：已申请国家发明专利。