改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。

基于法向量权重改进的ICP算法

针对三维重建过程中点云配准的精度和速度不理想的问题,提出一种基于法向量权重改进的迭代最近点(ICP)算法。通过将点云的法向量投射到高斯球上,统计不同方向法向量的分布情况,结合物体的几何结构信息赋予相应的权重,利用法向量权重结合点到平面的误差度量方法计算最优刚体变换矩阵。实验结果证明:以球面点云数据为例,与改进前的迭代最近点(ICP)算法相比,在配准速度没有降低的情况下,配准误差减小为原来的30%左右,而且该算法适用于各种点云模型,效果显著。

基于GPU的并行ICP点云配准算法研究

针对传统串行精配准算法在海量点云数据配准时计算效率低的问题,文章利用图形处理器(graphics processing unit,GPU)的多线程计算能力将传统算法并行化,基于GPU实现并行化的统一计算设备架构迭代最近点(compute unified device architecture iterative closest point,CUDAICP)算法。首先采用粗配准方法对源点云进行旋转平移,得到源点云的初始位置,再将其与目标点云输入CUDAICP算法进行精配准;对房间点云、带有楼梯的房间点云2种场景点云数据进行配准实验。结果表明:在粗配准中,采样一致性初始配准(sample consensus initial alignment,SAC-IA)算法在不同场景下具有较好的效果;在精配准中,CUDAICP算法与传统迭代最近点(iterative closest point,ICP)算法相比,在保证精度的同时,速度提升最高可达8.2倍。

基于KDTree改进的Super 4PCS+ICP算法在点云配准中的应用研究

在点云配准过程中,为了提高点云的配准精度,针对ICP算法对于初始位姿的局限性,对点云数据进行Super4PCS+ICP的“先粗后精”处理。首先利用KDTree树搜索对应点,用局部区域的特征度确定特征点集,再使用Super4PCS算法实现粗配准。针对精配准提出KDTree树来加快速度,SVD求解对应点参数、常数为1的加权平均、求解误差函数等手段来实现对ICP算法的改进,并求出刚体变换后的旋转平移矩阵,提高点云配准精度。实验表明,相较于传统ICP算法,本文方法的配准精度有了显著的提升。本文研究的方法可为点云配准的深入研究提供一定的参考。

基于3D形状上下文特征改进的ICP点云配准算法

针对传统ICP算法配准过程中存在误差大、耗时长及收敛慢等问题,提出一种基于曲率特征约束的3D-Harris算法结合3D形状上下文(3DSC)特征的点云配准方法。首先提取点云数据的体素中心,利用k最近邻搜索获取体素中心邻近点为体素栅格来下采样,以表面法线与平均曲率为特征约束提取降采样后3D-Harris特征点,采用3DSC对特征点进行描述,然后根据3DSC特征结合RANSAC算法进行粗配准,估算点云的初始位姿。最后利用k-d tree加速对应点的查找,线性最小二乘法优化点到面ICP算法求解最优变换矩阵。采用不同规模、不同重叠度且含高斯噪声的缺失数据的数据集进行仿真实验,结果表明:与经典ICP方法及结合SIFT的SAC-IA+ICP方法比较,所提方法在保持算法快速性的情况下,配准精度更高,收敛速度更快。

基于改进ICP的帧间匹配算法研究

ICP算法在每一次迭代时均会对点云数据中每个点进行选择,直到得出与目标点最近点,再计算得出位移向量和旋转矩阵,存在迭代计算时间较长、精度较低的问题。为解决该问题,文中提出一种以欧氏距离为匹配条件,利用法向量信息找出匹配点,同时利用实际曲面信息的特征过滤错误匹配点的算法。所提算法利用中心重合法来降低前后两帧激光点云数据的平移距离,利用KD-Tree算法将各个激光点按照坐标分类,最后利用激光点的法线和曲率淘汰错误点,提高匹配精度。在Anaconda环境下进行仿真实验,结果表明,在点云数目为363,727,1 400时,采用改进ICP算法所用时间分别是原ICP算法的39%,41%,56%,均方根误差分别控制在原ICP算法的0.68%,18.48%,18.04%。改进后的ICP算法匹配效果得到显著提升,误差减小,迭代时间明显缩短。

基于改进的ICP与主方向贴合的点云配准算法

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(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。试验结果表明,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。

一种基于叠加权重ICP的快速钢轨廓形匹配算法

影响钢轨使用性能的因素主要包括断裂、划痕、擦伤、磨耗等,其中磨耗会直接改变钢轨的廓形。修复钢轨廓形的第一步即精确测量得到钢轨廓形数据,然后应用钢轨匹配算法计算得到钢轨的磨耗量。实际应用时,钢轨廓形多变且测量精度要求高达±0.2 mm,匹配算法不仅要能适应各种异常的钢轨廓形且在匹配时不能因异形的轨廓而降低匹配精度。因此,钢轨廓形匹配算法的设计难度较高。经典迭代最近点(iterative closest point,ICP)算法能快速进行点云匹配,但是存在对初始输入数据要求高、易陷入局部最优解、易受到噪声点干扰而出现匹配误差较大等问题。为此,文章提出一种改进的两步法钢轨匹配算法。其利用钢轨廓形的几何特征进行快速粗匹配,为ICP算法提供一个优质的初始输入;并利用改进的叠加权重ICP算法快速、准确地将实测获取到的钢轨廓形点云数据与标准轨廓点云数据进行叠加配准,计算钢轨的磨耗数据。多种劣化钢轨廓形的匹配试验结果表明,若考察轨顶处的磨耗值,叠加权重ICP算法的磨耗值误差相对于经典ICP算法的平均可以减少约0.763 mm,具有较好的匹配效果,可用于钢轨磨耗的计算。

基于倾斜摄影的混凝土3D打印成型精度分析与预测

混凝土3D打印技术是一项新型的增材制造技术,为了实现采用混凝土3D打印技术来快速打印高质量的成型构件,综合利用迭代最近点(iterative closest point,ICP)算法和倾斜摄影测量技术来分析3D打印构件的整体偏差、局部边界偏差和圆弧角半径,并根据整体偏差和边界偏差对成型精度及可建造性进行研究,最后利用边界偏差和圆弧角半径对打印模型进行预测。结果表明:在混凝土3D打印配合比为水泥∶砂∶粉煤灰∶减水剂∶混凝剂∶水=1∶1.12∶0.09∶0.004∶0.006∶0.32,打印速度V_(d)为45 mm/s,最佳挤出速度V_(j)为138 mm/s时构件成型精度最高;对倾斜摄影模型拟合对齐,并对其具体位置偏差标注色谱图,可知混凝土3D打印构件在第4层时压缩变形较大,可建造性较低;利用预测模型与混凝土3D打印实体构件进行拟合,可知预测模型与基准模型相比误差约1 mm,验证了所提方法及预测模型的合理性。

多传感器融合的室内机器人SLAM

为了解决基于二维激光雷达的SLAM在室内环境中存在定位误差较大和建图不完善的问题,提出一种多传感器融合的室内机器人SLAM算法。该算法针对传统ICP算法在激光SLAM前端存在误匹配问题,采用更适合室内环境的PL-ICP算法,并利用扩展卡尔曼滤波融合轮式里程计和IMU为其提供初始的运动估计值。在建图阶段利用深度相机获取的三维点云数据转化的伪二维激光数据和二维激光雷达获取的数据进行融合,弥补二维激光雷达建图没有垂直方向视野的缺陷。实验结果表明:融合里程计数据相比于单一轮式里程计定位精度至少提升了33%,为PL-ICP算法提供了更高精度的初始迭代值。同时融合建图弥补了单一二维激光雷达建图的缺陷,构建了环境信息更加完善的环境地图。

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。

基于ICP算法和粒子滤波的未知环境地图创建

为了实现移动机器人仅依靠激光测距仪和里程计实时地创建精确的栅格地图,本文提出了一种结合最近点迭代(Iterative closest point,ICP)算法和Rao-Blackwellized粒子滤波的同时定位与地图创建方法,该方法利用ICP算法对相邻两次激光扫描数据进行配准,并将配准结果代替误差较大的里程计读数,以改善基于里程计读数的建议分布函数;同时通过采用改进的抽样策略,提高了粒子滤波过程中的抽样效率,降低创建地图所需的粒子数,仿真结果表明了该方法的有效性。

应用改进ICP算法的点云配准

针对三维重建领域点云数据配准过程中存在的配准效率低和精度误差大问题,提出一种改进ICP算法。应用盒子结构划分点云数据,对每一独立单元盒提取特征点构建三角形,根据相似原理,选用与其相似度最大的三角形各顶点作为初始对应点对,引入支持度的概念,给出评价准则,使当前待确定点对的成立最大支持其余已确认匹配点对,保证对应点查找的正确性。同理,以现有三角形各边为基准,继续构建新的三角形,完成所有匹配点对的查找。实验结果表明,改进算法较传统ICP算法有大幅提高,缩短配准误差至0.03%,配准效率提高了65%以上,优势明显。

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.

ICP算法在地磁辅助导航中的应用

利用地磁信息进行辅助导航是组合导航技术研究的新方向。文中对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法。根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效地剔除了地磁测量中的野值点,提高了算法的鲁棒性。仿真结果证实了改进算法的良好性能。

基于参考点和ICP算法的点云数据重定位研究

对基于参考点的点云数据重定位问题进行了深入研究,提出了新的点云数据重定位算法;该算法采用参考点与ICP(Itera- tive Closest Point)算法相结合的方法,不仅很好地解决了重定位实现困难的问题,而且使重定位精度达到0．03～0．05mm;最后,得出该算法不仅可以完全满足三维测量系统整体精度的要求,而且具有很高实际应用价值的结论。

基于法矢夹角的改进ICP算法

针对三维点云配准过程中存在精度和效率低下的问题,提出一种基于法矢夹角的改进ICP算法。利用八叉树结构划分点云数据并编号,计算每一点与其k近邻点的平均法矢夹角,引入关键度的概念,给出评判标准,对点云数据进行不同比例的精简;利用KD-tree加速查找,计算点云对的匹配度并进行筛选,通过最小二乘迭代完成点云配准。实验结果表明,与传统ICP算法相比,该算法在配准效率方面提高了68%以上,将配准误差降低至0.02%,优势明显。

三维点云数据拼接中ICP及其改进算法综述

ICP算法是三维点云数据精确拼接过程中的主流算法。文章对目前国内外ICP及其各种改进算法的发展现状进行了系统地分析与研究。将ICP算法分为4个主要阶段:(1)对原始点云数据进行采样;(2)确定初始对应点集;(3)去除错误对应点对;(4)坐标变换的求解。分别对各个阶段中典型方法的基本思想和关键技术进行了分类与分析,并在精度与效率等方面对这些算法进行了比较。最后对目前算法研究中的难点问题及未来的研究重点进行了展望。

改进ICP算法实现多视点云精确配准研究

复杂面形的三维整体测量能否顺利完成取决于不同视下测得的三维点云的配准精度。研究表明:采用点到点,点到三角面配准方法易受噪声干扰,采用面形比较计算量大,且在平面和标准球面情况下容易失效。以粗配准标记点所在的立方体区域为重合区域,使用点到点的多邻接三角面距离最近的点对作为初始匹配点,并根据几何结构最大相似原则对所求得的多个粗匹配点对进行筛选,再对筛选后的点对应用最近点迭代(ICP)算法。改进后的ICP算法实现了重合区域的快速自动定位,实现了不同视下点云的快速精确配准,在多个实例下获得了配准精度优于0.01 mm的实验结果。

基于Hausdorff距离改进的ICP算法

为满足三维点云配准的高精度要求,提出一种基于Hausdorff距离改进的ICP算法。利用三维点云拟合曲面的主曲率和点邻域内Hausdorff距离相结合的方法,对点云进行简化,剔除正态分布图中Hausdorff值小的点云,使简化后的关键点充分保留点云的几何特征;采用K-D树加速查找,通过最小二乘迭代进行点云ICP配准。对经典ICP算法和改进ICP算法做对比实验,实验结果表明,改进的ICP算法将配准误差由原来的0.3mm控制在了0.1mm左右,大幅提高了点云配准的精确度。