基于迭代最近点的雷达非均匀分布系统误差校正方法

雷达系统误差配准是雷达组网的前提和基础,对于探测距离远的雷达,其在探测空间内的测量误差呈现明显的非均匀分布特性,导致传统的系统误差校正方法难以满足误差校正需求。针对雷达系统误差存在的非均匀分布特性,将雷达探测空间分成若干小区域,每个小区域可以认为系统误差为定值,此时,可在每个区域内利用迭代最近点算法计算该区域中的雷达系统误差,形成全探测空间内的系统误差补偿矩阵,从而实现对非均匀分布系统误差的准确校正。最后,通过实测数据实验验证了提出方法的有效性。

融合采样一致性和迭代最近点算法的点云配准方法

三维点云数据配准在机器人环境感知与建模、虚拟现实、人机交互、逆向工程等领域有着广阔的应用前景。针对传统迭代最近点(Iterative Closest Point,ICP)算法中存在的收敛速度慢、鲁棒性差等问题进行研究,提出了一种融合采样一致性和迭代最近点算法的点云配准方法,对点云数据的快速点特征直方图(Fast Point Features Histograms,FPFH)特征进行提取并对这些特征使用采样一致性初始配准算法(Sample Consensus Initial Alignment,SAC-IA)进而得到点云集间的对应关系,计算出点云的初始变换,从而获得一个较好的配准位置,提出了k-d树近邻搜索方法加速搜寻对应点对,并利用点云的方向向量阈值去除迭代最近点算法产生的误点对,实现点云的精确配准。实验结果表明,算法取得了较高的配准精度,加快了收敛速度。

基于迭代最近点算法的地形匹配算法可靠性分析

根据迭代最近点算法的原理,从几何直观的角度研究了地形辅助导航系统匹配的可靠性,推导了旋转和平移的可靠性公式,并进行了数字仿真,结果表明,本文推导的可靠性结论是正确的.

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。

基于遗传迭代最近点算法的激光数据配准

扫描匹配算法被广泛应用于基于视觉、声纳、激光等传感器数据的特征匹配中,其中迭代最近点扫描匹配算法(ICP)是最常见的扫描匹配算法,但该算法存在匹配误差较大、对角度误差修正较差等缺点;针对基于ICP的激光传感器数据配准中存在的问题,提出了一种遗传迭代最近点扫描匹配算法(GICP);通过遗传算法搜索当前扫描数据和参考扫描数据的最优匹配,修正初始里程计读数的误差以及机器人的位姿;实验结果表明,提出的算法能够有效地解决扫描匹配算法中任意的配准问题,提高了机器人的定位精度。

基于遗传算法和最近点迭代法的多视角数据配准

针对复杂零件多视角下测量的数据,最近点迭代法(ICP)对两个点云相对初始位置不能相差太远的要求,提出了一种初始对齐和精配准相结合的方法来进行测量数据的配准,通过简单易行的各视角点群形心的坐标变换进行初始对齐,以提高遗传算法(GA)二次配准的寻优速度,再利用ICP实现快速的精确配准,具有更高的可靠性和稳定性.

基于线特征及迭代最近点算法的地基建筑物点云自动配准方法

为克服迭代最近点(ICP)算法易陷入局部最优的缺陷,提出一种基于线特征及ICP算法的地基建筑物点云自动配准方法。首先,基于法向一致性进行建筑物点云平面分割;接着,采用alpha-shape算法进行点簇轮廓线提取,并拆分和拟合处理得到特征线段;然后,以线对作为配准基元,以线对夹角和距离作为相似性测度进行同名特征匹配,实现建筑物点云的粗配准;最后,以粗配准结果为初值,进一步采用ICP算法完成点云精确配准。利用两组部分重叠的建筑物点云进行配准实验,实验结果表明,采用由粗到精的配准方法能有效改善ICP算法对初值依赖的问题,实现具有部分重叠的建筑物点云的有效配准。

迭代线性最近点参数非均匀B样条曲线拟合

提出迭代线性最近点参数非均匀 B样条曲线拟合 ,该方法在求最近点这一步骤中作了新的探索 ,减少了计算量 ,提高了拟合速度 .对该方法作了算法描述并在微机上将其实现 .通过与其他同类算法相比较 。

联合残差网络和最近点迭代的机器人重定位

针对机器人遭遇绑架、系统故障重启而产生的定位丢失问题,提出一种基于ResNet的机器人重定位方法。所提方法将重定位分为基于残差网络(residual network,ResNet)的粗匹配和基于最近点迭代(iterative closest point,ICP)细匹配2个阶段。在粗匹配阶段,将激光点云数据转换为图像,然后将相邻时间的图像堆叠成多通道图像作为ResNet的输入,以增强图像的时序特征。在细匹配阶段,ResNet输出机器人的预测位置,并将预测结果作为ICP算法的初值进行点云细匹配,从而获取最终位姿。对于相似环境,提出动态重定位方法,通过移动机器人进行多次重定位避免误匹配的情况。仿真实验结果表明:该方法与增强蒙特卡罗定位(augmented Monte Carlo localization,AMCL)算法进行了对比,定位用时降低了8.2s,定位成功率提升了43.4%,证明了该算法具有更好的重定位效果。

基于多分辨率的快速迭代最近点配准算法

针对迭代最近点(Iterative Closest Point,ICP)算法计算时间长的问题,提出一种基于多分辨率配准点的ICP算法。使用自适应体素网格滤波器对原始点云进行多分辨率采样,利用低分辨率点云快速迭代获得两点云间初始变换矩阵;利用高分辨率点云在初始变换基础上做更精确配准。实验结果表明,该算法在配准精度基本不变的情况下,可以显著降低配准时间,且随着点云点数增加,速度提升效果越明显。

一种改进的稀疏迭代最近点算法

稀疏迭代最近点算法是针对含有噪声点的点云配准提出的,但它却存在对目标点云中的离群点敏感、运行效率低等问题。针对这些问题,基于邻域信息的对应点对寻找方法提出了一种改进的稀疏迭代最近点算法。改进的稀疏迭代最近点算法首先使用改进的基于PCA的点云初始配准调整两片点云的位置,而后使用基于邻域信息的对应点对寻找方法为精配准寻找对应点对,针对对应点对,使用乘法器的交替方向法(ADMM)求得最优的变换矩阵。实验表明,对含离群点的斯坦福兔子、盆栽等点云来说,改进后的算法能够处理目标点云含有离群点的情况,并且算法的配准速度平均提高了30%。

基于改进迭代最近点算法的接骨板贴合性快捷计算方法

为了快速计算出接骨板在断骨表面的最佳贴合位置,以减少手术中接骨板反复调整的次数,提出了一种基于改进迭代最近点(ICP)算法的接骨板贴合性快捷计算方法。首先,由医生指导在断骨表面选取贴合区域,并利用接骨板表面点的法向量之间的夹角提取接骨板的内曲面点云;然后,在对两组点云模型进行平滑处理并采用格点采样的方式来简化点云模型后,利用点云之间的特征关系进行初始配准;最后,对接骨板内曲面点云模型进行边界及内部特征关键点提取,并采用K-维树(KD-Tree)搜索邻近点,对接骨板的特征关键点和断骨表面选取区域执行ICP精确配准。以胫骨为例进行实验,实验结果表明,所提算法相较于近年所提配准算法在保持较高配准度的同时提高了配准效率,能够实现胫骨不同受损类型与接骨板之间的快速配准,并且对其他受损骨骼具有通用性。

改进权重的迭代最近点算法在点云配准中的应用

针对传统迭代最近点算法不具备抗差性的难题,利用迭代最近点算法配准残差的分布规律,综合M估计及选权迭代思想,提出改进权重的迭代最近点配准算法。根据每个点对配准计算出对应的初始权重,然后在附加点对权重的基础上使用选权迭代法计算出满足条件的权重,以达到抵御粗差的目的。结果表明,选权迭代过程能合理改善三维空间转换参数计算的结果,提出的改进算法较适合含粗差点的点云数据的配准。

改进的迭代最近点快速点云拼接算法

针对迭代最近点算法未涉及点云彩色信息且匹配速率较低的问题,提出一种改进的迭代最近点云快速拼接算法。基于NCAM光学追踪彩色与深度信息,将色彩特征点与随机采样相结合,构建彩色点云模型,进行特征点采样;采用伞曲率体积积分不变量算法对特征点进行描述,构建带色彩约束的目标函数,并通过四元数法和特征值分解法求解最优值,实现点云数据的有效拼接。实验结果表明,改进的点云数据拼接算法可以有效地提高拼接效率及拼接精度,从而提高拼接质量。

非刚体图像配准中点对应关系的模糊分配技术

非刚体图像配准中经常会用到基于特征的配准法,其中以基于点特征的联合估计法最为常用。为了解决传统的基于迭代最近点的联合估计法易陷入局部最小值点的问题,提出了模糊分配技术。利用点对之间的距离产生对应矩阵,此矩阵的取值随点集之间相对位置的变化连续改变,代替传统算法中对应矩阵的0-1取值模式。这样可以避免过早地排除掉潜在的对应点,从而可以最大概率地收敛于全局最优点,同时在迭代配准过程中逐步减小距离控制系数,以实现由粗到细的配准过程。仿真实验表明,和形状上下文、中心预对齐及传统方法相比,此方法可以使配准误差分别减小到77.5%、32.6%和23.2%左右。

改进迭代最近点算法支持下的LiDAR点云与正射影像粗-精配准方法

针对直接迭代最近点算法(Iterative Closest Point,ICP)算法难以满足无人机LiDAR点云与正射影像高精度高效配准等问题,提出基于改进ICP的LiDAR点云与正射影像配准方法,为遥感地物目标解译提供丰富的空间信息和语义信息。首先采用体素滤波算法消除原始点云数据冗余;然后,利用主成分分析算法(Principal Component Analysis,PCA)对点云进行粗配准和计算刚体变换参数初始值,最后使用ICP算法实现LiDAR点云与正射影像精配准。实验结果表明,基于改进ICP的配准方法能够实现复杂地物分布、地物遮挡等情况下点云与影像快速、高精度地配准和点云纹理精准着色,相比原始ICP算法精度和效率分别提高了约1.8倍和3倍。

应用改进迭代最近点方法的三维心脏点云配准

在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法(PCA)实现粗配准的基础上,提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。

改进迭代最近点法的亚像素级零件图像配准

针对模板匹配方法用于非结构化环境下的杂乱零件识别与定位精度低的问题,提出了亚像素级的配准算法.首先提出亚像素级的配准问题可视为计算模板图像与待配准图像的边缘点集的最优几何变换;然后提出了改进迭代最近点法来估计几何变换,包括使用动态邻域搜索策略快速搜索匹配点、利用匹配点的方向一致性约束和距离约束来移除误匹配点、用光照不变的点到曲线的距离来构造误差度量函数,再用线性最小二乘法给出误差函数的封闭解;最后使用自制零件和MPEG-7 shape B数据集进行实验,结果表明该算法配准正确率、实时性和精度均明显优于传统算法,能够满足非结构化环境下的杂乱零件亚像素配准精度和鲁棒性要求.

超椭球模型下结构非概率可靠性指标的迭代算法

迭代算法对于非概率可靠性指标的求解及其优化问题具有重要意义。本文基于不确定参数的超椭球描述,研究求解非概率可靠性指标的迭代算法。针对极限状态方程非线性情况较高时可能存在不收敛的问题,提出一个检测严重迂回振荡的判据,并在HL-RF迭代公式的基础上引入修正解,在一定程度上克服迭代不收敛的问题。数值算例验证了迭代算法的正确性和有效性。

基于PCA的体素化GICP点云配准算法

为了满足工业中对目标工件进行三维重建的速度和精度,通过分析算法配准过程提出一种基于主成分分析(PCA)和体素化广义迭代最近点(VGICP)的点云配准策略。首先,PCA算法为精配准阶段提供良好的初始位姿,其中在进行主方向矫正时,在保证数据整体特征的基础上进行体素下采样来减少由于计算配准误差所消耗的时间,提高计算速度;其次,精配准阶段采用的VGICP算法对高度依赖最近邻搜索的GICP算法进行体素划分,使用多点分布聚合的方法,可以从较少数量的点中稳健地估计体素分布,具有较快的处理速度。基于PCA改进的VGICP算法将配准效率提高60%以上,并且优于常用配准算法,同时保持了良好的配准精度。