实验室博士生傅科学同学论文成功被IEEE国际计算机视觉与模式识别会议（CVPR2021）收录。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。

    工作内容介绍如下：三维点云配准是计算机视觉和机器人技术中的一个基本问题。近年来，基于学习的点云配准方法取得了很大进展。然而，这些方法对异常值很敏感，从而导致更多的不正确对应。本文提出了一种新的基于深度图匹配的点云配准框架。具体来说，我们首先将点云转换为图，并提取每个点的深层特征。然后，我们开发了一个基于深度图匹配的模块来计算软对应矩阵。图匹配不仅考虑了每个点的局部几何形状，而且考虑了其在更大范围内的结构和拓扑结构，从而找到更多正确的对应关系。在测试阶段，将软对应转化为硬一对一对应，通过奇异值分解进行配准。此外，我们还引入了一种基于Transformer的边生成方法来构造图，进一步提高了对应的质量。大量的实验表明，所提出的方法达到了最先进的性能。