针对迭代最近点(Iterative Closet Point, ICP)在配准过程中容易陷入局部最优的情况,提出一种基于深度图像匹配的点云配准算法。通过点云深度信息得到点云在投影平面上的深度图像,采用深度图像的配准选择定向二进制简单描述符(Oriented ...针对迭代最近点(Iterative Closet Point, ICP)在配准过程中容易陷入局部最优的情况,提出一种基于深度图像匹配的点云配准算法。通过点云深度信息得到点云在投影平面上的深度图像,采用深度图像的配准选择定向二进制简单描述符(Oriented Fast and Rotated BRIEF,ORB)算法对深度图像进行配准,对匹配结果采用随机采样一致性(RANSAC)算法对配准特征点进行筛选,剔除错误匹配点,保留匹配正确的图像特征点,将其索引到三维点云数据中。根据匹配的三维点云数据计算点云初始旋转矩阵和平移向量,调整点云初始位置,为后续精配准提供良好的初始位置,同时用ICP算法完成精配准,基于PCL(Point Cloud Library)开源数据库实现精配准过程。通过改进可有效缓解现有算法中存在的迭代易陷入局部最优的问题,提高精配准的速度、精度和可靠度等,并通过试验的手段验证算法的有效性。展开更多
文摘针对迭代最近点(Iterative Closet Point, ICP)在配准过程中容易陷入局部最优的情况,提出一种基于深度图像匹配的点云配准算法。通过点云深度信息得到点云在投影平面上的深度图像,采用深度图像的配准选择定向二进制简单描述符(Oriented Fast and Rotated BRIEF,ORB)算法对深度图像进行配准,对匹配结果采用随机采样一致性(RANSAC)算法对配准特征点进行筛选,剔除错误匹配点,保留匹配正确的图像特征点,将其索引到三维点云数据中。根据匹配的三维点云数据计算点云初始旋转矩阵和平移向量,调整点云初始位置,为后续精配准提供良好的初始位置,同时用ICP算法完成精配准,基于PCL(Point Cloud Library)开源数据库实现精配准过程。通过改进可有效缓解现有算法中存在的迭代易陷入局部最优的问题,提高精配准的速度、精度和可靠度等,并通过试验的手段验证算法的有效性。