多维点云结构相似性定量化评价

点云配准技术作为点云数据处理中的核心技术,会因为点云质量而影响配准效果,质量好的点云可以提高配准精度、空间模型完整度、即时定位与地图构建系统的性能等,因此评价点云数据质量具有很高的客观价值;而通过传感器获得的点云数据存在系统误差和非系统误差等噪声,因此点云数据处理变得很重要,对点云数据处理效果的评价还没有一个较为客观的方法,本文提出了多维点云结构相似性定量化评价方法。通过将滤波前、后的点云数据和标准点云数据进行对比,分别比较三维坐标轴上所有点坐标的均值、标准差和协方差,再对3个坐标轴上的结构相似性值进行权重分配最终获得三维结构相似关联度,进而对点云滤波、点云稀疏后的点云数据质量进行评价。该方法还对提高配准精度进行了实验验证。经过实验表明,该方法能够评价三维点云的质量,且能够评价不同噪声类型以及处理方法下获得的点云质量,为点云配准提供了参考。该方法不仅对点云预处理和点云质量进行了高效、客观地评价,还提供了一种提高点云配准精度和效率的方法。

基于FPFH和法向量的改进点云配准算法

针对飞行时间法(TOF)获取点云的相关特点,提出一种适用于TOF点云的改进配准算法,首先使用FPFH特征对点云进行粗配准;在精配准阶段,通过法向量夹角特征采样的方法来减少点云的点数,同时又保留点云的关键信息点,并引入KD树和RANSAC方法来改进ICP的配准效率。实验结果表明,该算法具有良好的配准效率和精度,同时具有较大的适用范围。

基于点云空间分布特征的多级索引结构

为解决点云数据分布不规则、非均匀产生的查询效率低下的问题,提出了一种基于三维点云数据空间分布特征的多级索引结构。将点云空间信息引入传统八叉树,形成一种新的数据结构——方向八叉树,用于点云空间的全局划分。在每次划分空间之前,先对点云数据进行主成分分析,形成节点的方向包围盒,再进一步将空间划分为八个子空间。为了实现数据的快速调度与查询,在局部,使用KD树对方向八叉树的叶子节点进行二次组织构建。实验结果表明,方向八叉树能有效减少节点总数和冗余节点数量;方向八叉树和KD树的组合嵌套结构可以有效划分海量点云数据,实现点云数据的高效检索,对点云数据进行有效管理。