ICP框架下基于表面间平均体积测度的深度像配准

提出一种利用深度像重叠区域间的空间体积作为误差度量的精确配准算法.通过寻找2幅深度像重叠区域内的有效三角形对,并将这些三角形对所夹的三维空间作为误差测度来指导深度像的配准;然后将对应三角形的质心作为对应点对,估计出新的空间位置转换关系.实验结果表明:该算法具有较高的配准精度,收敛速度快并且具有一定的抗噪声能力.

基于混合遗传算法和点面距离测度的深度像配准

提出一种利用改进的遗传算法和点面距离作为误差测度的深度像精确配准算法。与现有ICP框架下的迭代算法不同,将深度像配准视为高维空间的一个优化问题,通过在遗传算法中加入退火选择、爬山法以及参数空间的动态退化来加速寻找最优的位置转换关系。同时,采用一种新的基于点面距离的适应函数来计算配准误差,使得算法具有更强的鲁棒性。实验结果表明,该算法不需要初始的运动参数估计,具有较高的配准精度,收敛速度快且抗噪声能力强。

并行混合遗传算法在深度像配准中的应用研究

实现了基于并行混合遗传算法的深度像精确配准,并比较了四种不同测度下算法的收敛速度和配准精度。根据进程数将种群划分为相应数量的子种群,每一个进程维护一个子种群的交叉、变异和选择,并通过采用环状的最优个体迁移策略和退火选择算子,实现了基于粗粒度并行混合遗传算法的深度像精确配准。此外,还比较了点对均值、中值、点面距离以及表面间平均体积四种测度下算法的性能和优劣。实验结果表明,并行计算技术的应用能够有效加速遗传算法的收敛,减少算法的运行时间。