一种面向SIFT特征匹配的过滤新算法

针对SIFT匹配算法存在误匹配的情况,提出了一种基于三角形相似的匹配特征点过滤算法,即在SIFT算法中使用欧式距离判断特征点相似性后,对匹配的特征点构造三角形,通过判别三角形相似对匹配特征点进行进一步过滤。实验结果表明,三角形相似算法能大大提高匹配精度。

基于改进ICP的帧间匹配算法研究

ICP算法在每一次迭代时均会对点云数据中每个点进行选择,直到得出与目标点最近点,再计算得出位移向量和旋转矩阵,存在迭代计算时间较长、精度较低的问题。为解决该问题,文中提出一种以欧氏距离为匹配条件,利用法向量信息找出匹配点,同时利用实际曲面信息的特征过滤错误匹配点的算法。所提算法利用中心重合法来降低前后两帧激光点云数据的平移距离,利用KD-Tree算法将各个激光点按照坐标分类,最后利用激光点的法线和曲率淘汰错误点,提高匹配精度。在Anaconda环境下进行仿真实验,结果表明,在点云数目为363,727,1 400时,采用改进ICP算法所用时间分别是原ICP算法的39%,41%,56%,均方根误差分别控制在原ICP算法的0.68%,18.48%,18.04%。改进后的ICP算法匹配效果得到显著提升,误差减小,迭代时间明显缩短。