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。

基于局部特征的点云配准算法

针对覆盖率较低的点云,提出一种基于局部特征的点云配准算法。首先提取点云的局部深度、法线偏角和点云密度等局部特征,得到局部特征描述子;然后计算局部特征集的相关性,得到相关候选点集;再次通过删减外点达到点云粗配准的目的;最后采用基于旋转角约束和动态迭代系数的改进迭代最近点(ICP)算法,实现点云的细配准。实验结果表明,基于局部特征的点云配准算法可以实现覆盖率较低点云的精确配准,是一种精度高、速度快的点云配准算法。

颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。

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。