改进的尺度迭代最近点配准算法

针对点云配准中的尺度和收敛速度问题,提出一种改进的尺度迭代最近点(scaling iterative closest point,SICP)算法。在ICP算法中加入带边界的尺度矩阵,解决点云配准中尺度变换的问题;引入动态迭代因子,自动调整配准过程中的刚体变换参数,在不影响算法的精度和收敛方向的前提下,减少迭代次数,提高算法的收敛速度。实验结果表明,与ICP算法和SICP算法相比,改进的SICP算法能够更好地解决含尺度因素的点云配准问题,是一种更加精确、快速的尺度点云配准算法。

基于旋转角约束的尺度迭代最近点算法

针对点集配准中的尺度因素和旋转角变化引起的配准效果不佳的问题,提出了基于旋转角约束的尺度迭代最近点(scaling iterative closest point,SICP)算法。首先,建立两个点集之间的一一对应关系,可以大幅度提高算法的配准精度;然后,将尺度矩阵引入到迭代最近点(iterative closest point,ICP)算法中,以解决点集配准中由尺度因素引起的配准失败的问题;最后,设置旋转角约束,解决由旋转角变化引起的配准效果不佳的问题,进一步提高算法的配准精度。实验表明,跟ICP算法和SICP算法相比,基于旋转角约束的SICP(SICP based on rotation angle restraint,SICP-RAC)算法能够更精确地实现尺度点集的配准,是一种高精度的尺度点集配准算法。

改进的概率迭代最近点配准算法

针对迭代最近点算法中存在的收敛速度较慢和噪声引起的配准效果不佳的问题,提出一种基于期望最大化估计的噪声点云配准算法,即改进的概率迭代最近点算法。首先,建立两个点云集合之间的一一对应关系,以提高算法的配准精度;然后,将高斯模型引入到ICP算法中,采用奇异值分解的方法解决刚体变换问题,并在刚体变换过程中加入动态迭代系数,在不影响配准精度和迭代方向的情况下,在下次迭代中更快速地寻找到最近点,以此减少迭代次数、提高收敛速度,实现两个带有噪声点云的精确配准。实验表明,该算法是一种精度高、速度快的点云配准算法,能有效地避免噪声和外点的干扰。

基于概率迭代最近点的点云配准算法

针对迭代最近点(Iterative Closest Point,ICP)算法中由噪声带来的配准效果不佳或失败的问题,论文提出了一种有效的含噪声点云的配准算法,即概率迭代最近点算法(Probability Iterative Closest Point,PICP)。首先,建立两个点云之间的一一对应关系,以提高算法的配准精度;然后,采用高斯概率模型解决刚体变换的问题,由此实现两个含噪声点云的精确配准。实验结果表明,该算法不仅能够快速准确地实现同一物体不同角度的带有噪声点云的配准,还能准确有效地实现刚体碎块间的断裂面的完全匹配和部分匹配问题,是一种准确、快速的配准,并能有效避免噪声和外点的干扰,适用范围更加广泛。

基于SIFT特征点提取的ICP配准算法

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。

基于体素格尺度不变特征变换的快速点云配准方法

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征变换的特征点,完成初始配准;然后利用随机抽样一致算法剔除边缘匹配点并优化初始变换参数;最后基于优化初始变换参数,采用K维树近邻搜索法,结合最近邻点迭代配准算法完成原始点云数据的快速精确配准。对开源数据集以及实际采集的6个典型场景数据的测试表明,该方法的平均配准时间较传统最近邻点迭代配准算法缩短了78%。实验结果表明了该方法的有效性。

基于关键点精确配对的点云曲面匹配方法

针对基于特征的点云曲面匹配方法在关键点匹配时匹配效率低和精度不够的问题,提出了一种基于关键点精确配对的点云曲面匹配方法。通过采用基于曲率信息的改进3D-SIFT(3D scaleinvariant feature transform)算法,提取点云数据的关键点;将关键点处的FPFH(fast point feature histograms)特征描述以及模型中心点到关键点的向量与模型主趋势的夹角作为约束条件,获取精确的关键点匹配点对集合;求解刚体变换参数实现模型曲面的初始匹配;使用ICP(iterative closest point)算法进行二次优化,实现模型曲面的精确匹配。实验表明:该方法既能解决关键点匹配精度问题,又能很好地解决匹配效率的问题。

文物点云模型的优化配准算法

针对带有噪声的文物点云模型,采用一种由粗到细的方法来实现其断裂面的精确配准。首先采用一种变尺度点云配准算法实现粗配准,即配准测度函数的尺度参数由大到小逐渐变化,可避免算法陷入局部极值,并获得较高精度的初始配准结果;然后采用基于高斯概率模型的改进迭代最近点(iterative closest point,ICP)算法进行细配准,可以有效地抑制噪声对配准结果的影响,实现断裂面的快速精确匹配。采用兵马俑文物碎块的配准结果表明,该优化配准算法能够实现文物断裂面的精确配准,而且在细配准阶段取得了较高的配准精度和收敛速度。因此该优化配准算法是一种快速、精确、抗噪性强的文物点云配准方法。

尺度各异刚体碎块断裂面的匹配方法

针对厚度不可忽略的刚体碎块,提出一种尺度刚体碎块匹配方法,以解决碎块匹配中的刚体变换和尺度变换的问题.采用改进的区域生长算法对碎块的外表面进行分割,并根据曲面的粗糙程度提取碎块的断裂面;通过添加尺度矩阵、旋转角约束和动态迭代系数的方式来改进迭代最近点(iterative closest point,ICP)算法,并采用该改进的ICP算法实现碎块的断裂面匹配.实验结果表明,跟ICP算法相比,改进的ICP算法不仅能够克服ICP算法不能解决的尺度变换问题,而且与尺度ICP(SICP)算法相比,可以更加精确、快速地实现碎块的断裂面匹配.

由粗到细的点云配准算法

针对点云配准算法中的收敛速度以及收敛区间与配准精度之间的矛盾,提出一种由粗到细的点云配准算法。粗配准采用一种变尺度点云配准算法,解决收敛区间与配准精度之间的矛盾;细配准采用一种改进的迭代最近点(ICP)算法,通过设置旋转角约束和动态迭代系数,解决由旋转角变化过大引起的配准效果不佳的问题,并可大幅提高算法的迭代收敛速度。实验结果表明:提出的由粗到细的点云配准算法具有较高的配准精度和速度,是一种有效的点云配准算法。

由粗到细的颅骨点云模型配准方法

颅骨配准是颅面复原的一个重要步骤,其配准精度对复原结果有着重要的影响。为了提高颅骨配准的精度,并解决分辨率差异较大颅骨的配准问题,本文提出了一种由粗到细的三维颅骨点云模型配准方法。首先,采用基于神经网络(NN)的点云配准算法实现颅骨粗配准;然后,通过添加尺度因子和模拟退火系数以改进迭代最近点(ICP)算法并实现颅骨细配准,大大提高了颅骨细配准的精度和速度,从而实现颅骨的精确配准。将一个未知颅骨与颅骨库中的300个颅骨进行配准试验,结果表明,基于NN的点云配准算法可以实现颅骨的初始配准,并且改进ICP算法在细配准阶段的配准精度和速度,比ICP算法分别提高了约30%和50%。因此,提出的由粗到细的点云配准算法是一种有效的颅骨配准算法,可以实现三维颅骨点云模型的精确配准。

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。

基于3D-SIFT与SICP的激光点云与影像配准方法

针对激光点云与影像配准数据量大、质量差的问题,本文提出一种基于三维尺度不变特征变换(3D-SIFT)与尺度迭代最近点算法(SICP)相结合的激光点云与影像配准方法。首先使用运动恢复结构(SfM)方法将影像通过光束法平差生成影像三维点云,然后使用3D-SIFT提取激光点云与影像三维点云中的特征点,接着利用对偶四元数求解激光点云和影像三维点云的初始变换矩阵,实现两种点云数据的粗配准;最后利用SICP算法实现两种点云数据的精配准。实验结果表明,本文方法获取的激光点云与影像配准中误差为0.24 cm,配准时间为69 s,且与选代最近点算法(ICP)相比提高了配准精度和配准效率。

基于自适应邻域匹配的点云配准方法

针对具有不同缩放尺度点云的配准问题,本文提出了一种基于自适应邻域(General Adaptive Neighborhood,GAN)匹配的点云配准方法.首先,随机地选取初始匹配点对作为种子点,并对点云上点的GAN进行定义;然后根据GAN的形状信息确定种子点所在特征区域及其潜在匹配关系,并对GAN进行Delaunay三角剖分,得到能有效描述种子点局部曲面几何形状的三角网格,再通过定义残差角作为局部曲面形状描述子进行几何信息匹配,从而确定真实匹配点对;最后,根据真实匹配点对计算旋转平移矩阵,得到点云的初始位置,并利用尺度迭代最近点方法(Scaled Iterative Closest Point,SICP)将点云进行精确对齐.实验结果表明,该方法通过点GAN的匹配,同时考虑了点的局部特征信息及其上下文相关的空间约束,且匹配相关约束均对尺度鲁棒,能够在有效提高点对匹配准确率的同时,解决不同缩放尺度点云的配准问题.

基于多特征参数融合的文物碎片自动匹配方法

针对基于单一几何特征的文物碎片匹配方法的精度不高的问题,提出一种基于多特征参数融合的文物碎片自动匹配方法。首先,采用分割算法提取文物碎片的断裂面,并计算断裂面上点的四个特征参数:点到邻域点的平均距离、点到邻域重心的距离、曲率以及邻域法向夹角平均值;然后,融合四个特征参数得到特征判别参数,并通过判断特征判别参数值提取出特征点集;最后,采用基于尺度因子的迭代最近点(Iterative Closest Point,ICP)算法对特征点集进行匹配,从而实现文物碎片的断裂面匹配。实验采用兵马俑碎片的点云数据模型来验证该基于多特征参数融合的文物碎片匹配方法,结果表明该匹配方法可以克服基于单一几何特征匹配方法的精度不够高的问题,比已有算法的匹配精度提高15%以上,时间效率提高20%以上。因此说,该基于多特征参数融合的匹配方法是一种有效的文物碎片匹配方法。

邻图配对式运动恢复结构的欧式三维重建

传统增量式运动恢复结构重建易受到尺度变化的影响,重建出的点云存在分层现象,并且不存在量纲。通过改进重建拓扑结构和尺度迭代最近点算法,提出了一种新的欧式三维重建方法。首先,设计了两两相邻图片重建点云后并入主点云的重建拓扑结构;然后,建立了对应表,旨在找到同一世界点在新建点云和主点云下的对应三维点对;接着,结合Geman-McClure范数,提出了抗噪声的尺度迭代最近点求解算法;最后,设置地面控制点,为重建出的点云引入尺度。实验结果表明,提出方法重建出的点云比传统增量式运动恢复结构重建出的点云更精确,并且点云长度的测量绝对误差在1%~2%左右。提出方法适用于近场景物体较精确的欧式三维重建。

基于图像配准的栅格地图拼接方法

栅格地图拼接是多移动机器人协同创建环境地图中的一项关键技术.本文提出一种图像配准意义下的栅格地图拼接方法.该方法将栅格地图拼接问题视为图像配准问题,建立相应的目标函数,并给出局部收敛的迭代最近点算法求解该目标函数.为获得最优的拼接结果,该方法从待拼接的地图中提取局部不变特征,并借助随机抽样一致性算法分析初始拼接参数,以作为迭代最近点算法的初值.最后,提出了拼接参数已知时的栅格地图融合规则.实验结果表明,该方法能可靠地实现栅格地图拼接,且具有精度高和速度快的优点.

航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像,提出了一种基于极大似然估计准则的规整化复原算法.根据图像随机场模型建立了有关多帧图像数据的对数似然函数,同时为了平滑噪声和保护图像边缘以及避免无价值的解,将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中.推导出了湍流点扩展函数和目标图像的交替迭代求解公式,通过迭代方式可将点扩展函数和目标图像同时估计出来,给出了算法的并行处理方案.在微机上对强噪声条件下的湍流退化图像进行了恢复实验,实验结果表明本算法具有较强的抗噪能力和实用价值.

一种基于最佳相似性的人脸检测算法

为了解决传统模板匹配算法在人脸检测中检测率低和速度慢的问题,提出一种新的人脸检测算法(BSICP)。引入最佳相似性作为相似性度量,只考虑匹配图像之间的相似点,减少错误匹配;以尺度迭代最近点算法作为搜索策略代替传统的逐点扫描匹配方法,加快检测速度。实验结果表明,该算法在IMDB-WIKI数据库中的五组变换图像下检测率均能达到97%以上,而且速度保持在0.076 s左右,具有很好的检测效果。

三维重建中的多模型融合:克服光照和尺度影响

互联网图像三维可视化通常使用运动恢复结构方法将互联网图像重构成为三维点云,用于支持用户在三维空间中自由移动观察三维点云和图像。但由于同一场景互联网图像间光照条件差异巨大,传统方法往往不会重构成唯一的三维点云,而是依照光照条件的分布,构建成多个独立的点云。该文提出了一种三维点云配准框架,将这些因为光照差异而分离的点云融合成为统一的点云。首先利用点云的三维几何特征而非二维图像特征描述点云,克服了光照差异对配准的影响。其次提出了一种克服尺度差异的配准方法,以解决不同尺度点云的匹配问题。在两个数据集上的实验证明了该方法的有效性。