基于特征点法向量的点云配准算法

在传统的迭代最近点算法(ICP)中,需要两片点云具有良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,本文提出了一种基于特征点提取与配对的粗配准方法,以调整两片点云重叠部分的初始位置。首先,利用SIFT算法提取两片点云公共部分的特征点;其次,根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对;然后,利用法向量的夹角对特征点对进行提纯;最后,通过单位四元数法,求解出旋转及平移矩阵,完成粗配准。试验表明,本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置,在一定程度上避免配准时陷入局部最优的现象。

相机检校DLT算法的改进

传统的相机检校直接线性变换(direct linear transform,DLT)算法中,利用最小二乘方法求解相机内方位元素以及畸变参数。在实际应用过程中,误差方程的系数矩阵是非奇异矩阵,但是检校场纵深程度不够大,使得系数矩阵条件数过大,其他因素的微小搅动将会引起计算结果的很大变化,因此使得误差方程呈现出病态。针对该情况,文章提出了一种简易检校场建立方法,并引用病态整体最小二乘方法对相机检校DLT算法进行改进,以适用于该检校场解算相机的畸变参数,最后用算例验证其可行性。