基于加权相似性的MCCNN训练集选择方法

为解决MCCNN网络立体匹配的训练数据集选择问题,研究一种基于相关性比较、余弦相似性和结构相似性的加权度量选择方法,通过实验确定三者的加权系数,使用三者的加权值衡量训练集与待匹配图像数据分布的互相似性、训练集本身的自相似性,以互相似性和自相似性加和值最高的对应数据集作为选择的训练集。通过InStereo2k图像和实拍图像实验,验证了该方法的有效性。

基于人工蜂群优化的异尺度点云配准算法

针对不同尺度点云配准的精度和效率问题,提出一种基于人工蜂群优化的异尺度点云配准算法。引入尺度缩放因子,与三维旋转、平移参数共同作为配准过程中的待求变量,使用人工蜂群优化方法进行优化求解。同时,基于归一化尺度参数改进了欧氏距离目标函数,以消除优化求解中尺度缩放因子引起的误差,从而有效提高配准算法的稳定性。与当前几组典型方法进行对比,所提算法对不同模型配准的精度和效率均有提高。实验结果表明,所提算法充分利用了人工蜂群优化方法优异的全局优化能力,可以有效实现对异尺度点云的高精度、快速配准。