为提高点云配准的效率与精度,弥补传统点云配准算法中的不足,本文尝试将主方向贴合算法与改进的最近点迭代(Improved Iterative Closest Point, IICP)算法作为组合点云配准算法;该组合算法充分利用主方向贴合算法在粗配准中的优势,并结...为提高点云配准的效率与精度,弥补传统点云配准算法中的不足,本文尝试将主方向贴合算法与改进的最近点迭代(Improved Iterative Closest Point, IICP)算法作为组合点云配准算法;该组合算法充分利用主方向贴合算法在粗配准中的优势,并结合IICP算法作为精配准的方法。以某三维激光扫描建模工程为案例,依靠Matlab软件编程实现了本文所提及的配准算法。实验结果表明,改进的ICP算法较传统ICP算法配准效率与精度均有提高。充分验证了主方向贴合算法与IICP点云算法在点云三维模型构建方面的有效性。展开更多
针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point...针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。展开更多
文摘为提高点云配准的效率与精度,弥补传统点云配准算法中的不足,本文尝试将主方向贴合算法与改进的最近点迭代(Improved Iterative Closest Point, IICP)算法作为组合点云配准算法;该组合算法充分利用主方向贴合算法在粗配准中的优势,并结合IICP算法作为精配准的方法。以某三维激光扫描建模工程为案例,依靠Matlab软件编程实现了本文所提及的配准算法。实验结果表明,改进的ICP算法较传统ICP算法配准效率与精度均有提高。充分验证了主方向贴合算法与IICP点云算法在点云三维模型构建方面的有效性。
文摘针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。