基于关键点特征匹配的点云配准方法

针对ICP配准算法对点云的初始位置要求高、处理低重叠率的点云配准能力低的问题,提出了一种基于关键点特征匹配的点云配准方法.设计一种多尺度加权法向投影均值差的关键点提取算法,结合SHOT描述子对关键点进行特征描述,融合几何一致性以及RANSAC算法去除匹配过程中的误匹配点对,优化关键点之间的对应关系,通过奇异值分解计算刚体变换矩阵,完成点云粗配准,使用ICP进行精确配准.实验表明,本文提出的关键点提取算法能有效提取点云表面特征变化明显的点,使用SHOT特征对关键点进行描述,能够快速、精确地完成点云数据配准,并且对于较低重叠率的点云,也具有较好的配准效果.

点邻域尺度差异描述的点云配准算法

针对传统特征描述符计算复杂度高、配准精度低的问题,提出一种基于不同尺度点邻域特征信息差异的点云配准算法。在特征描述符方面,对关键点选取不同尺度的邻域空间,计算各尺度空间之间的特征值归一化向量差异和法向量夹角,建立点邻域尺度差异描述符,特征描述符计算简单且节省时间。在关键点选取方面,根据曲面形状指数设计了一种寻找关键点的方法,提取的点具有很好的代表性。在对应关系寻找方面,提出一种基于欧式距离的对应点二重筛选方法,找出对应点对集,设计了基于全局距离的全局最优点云变换矩阵求取方法。实验结果表明,点邻域尺度差异描述的点云配准算法具有良好的配准精度和稳健的噪声鲁棒性。

点邻域信息加权的点云快速拼接算法

针对传统四点鲁棒快速拼接算法在数据量较大时计算速度不够理想的问题,提出一种基于点邻域信息加权的点云快速拼接算法.首先对传统法向量估算算法进行改进,提出加权主成分分析算法计算点的法向量;然后利用点到邻域内其他点的重心的距离进行特征点提取;再用一种基于加权曲率计算的邻域特征描述来筛选对应点对,并运用双重约束对得到的对应点对进行筛选提取有效点对;最后代入四点法作为初始数据进行拼接.实验结果表明,文中提出的法向量和曲率加权计算、特征点提取、对应关系筛选方法稳定可靠;该算法比传统四点拼接算法精度更稳定,整体拼接速度得到了很大提升.