基于SAC-IA和改进ICP算法的点云配准技术

点云配准是真实三维世界物体或场景模型重建的关键问题之一.针对传统的ICP算法收敛速度慢,且在两点云集初始位置较大时易陷入局部最优解的问题,提出一种改进的点云配准算法.该算法首先利用基于特征点的采样一致性初始配准算法(SAC-IA)实现两点云的初始变换,使两点云集有相对较好的初始位姿,然后在传统ICP算法基础上使用k-d树(k-dimensional tree)加速对应点对的查找速度,并利用方向向量阈值去除错误点对.实验证明该算法具有相对较好的配准精度和收敛速度.

基于FPFH特征的点云配准技术

点云配准是三维物体或场景模型重建的关键技术。针对传统的ICP算法的收敛速度较慢,且在两点云集初始位置较大时易陷入局部最优解的问题,该文提出了一种改进的点云配准算法。该算法首先计算点云的FPFH特征描述子,然后对点云的特征进行匹配,实现两片点云的初始变换,使两点云集有相对较好的初始位姿。在经典ICP基础上使用k-d tree（k-Dimension tree）近邻搜索加速对应点对的查找,并利用方向向量阈值去除错误点对,实验证明该算法具有相对较好的配准精度和收敛速度,提高了配准的效率。

改进的ICP点云配准算法

三维激光点云配准是点云三维建模的关键问题之一。经典的ICP算法对点云初始位置要求较高且配准效率较低,提出了一种改进的ICP点云配准算法。该算法首先利用主成分分析法实现点云的初始配准,获得较好的点云初始位置,然后在经典ICP算法的基础上,采用k-d tree结构实现加速搜索,并利用方向向量夹角阈值去除错误点对,提高算法的效率。实验表明,本算法流程在保证配准精度的前提下,显著提高了配准效率。