基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.

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。

用于ICP的近似KD-Tree搜索加速器设计及FPGA实现

为了加速迭代最近点(iterative closest point,ICP)算法中k近邻(k-nearest neighbor,KNN)搜索过程,文章根据近似K维树(K-dimensional tree,KD-Tree)数据结构,基于现场可编程门阵列(field programmable gate array,FPGA)提出一种高性能的KNN搜索加速器;分析近似KD-Tree数据结构的可行性,结果表明该数据结构能够满足ICP算法精度要求,并提高计算的并行度和性能;为了解决近似KD-Tree建树过程耗费时间长的问题,设计基于分治归并排序的具有反馈数据通路的树构建计算模块,该模块可在8.95 ms内计算出256个空间的树节点并完成树构建;为了优化点云暴力搜索过程,设计一种高吞吐率的点云搜索模块,可以在0.49 ms内完成近30000个点的最近点搜索。研究结果表明,与相关的设计相比,该文提出的硬件加速方法可以有效降低KNN搜索时间复杂度,提高算法性能。

基于法向量直方图特征描述的点云ICP拼接

传统的迭代最近点ICP算法收敛速度慢,而基于特征的查找对应点能够明显优化ICP算法.提出一种新的基于法向量直方图特征描述的点云ICP拼接方法.该方法将法向量直方图作为点云特征描述子,其能够优化对应点集的查找,从而改进ICP算法.该算法先计算待拼接的两片点云的法向量直方图特征描述子,然后由其中一片点云中的点查找在另一片点云上的最近邻域,并且找出法向量直方图特征最相似的点作为当前点的对应点,查找出所有的对应点并建立对应点集,再根据对应点建立协方差矩阵,并对其奇异值分解,求解出变换矩阵,最后迭代以上步骤直至收敛.在法向量直方图特征计算中,采用多核模式并行编程计算,提高了特征计算效率.实验结果表明该方法是可行有效的.

基于ICP的稳态部分可辨编队目标精细跟踪算法

针对稳态编队在部分可辨条件下精细跟踪的难题,提出了一种基于迭代就近点(ICP)的稳态部分可辨编队精细跟踪算法。首先将ICP算法思想应用于编队成员拓扑的点航关联中,将k时刻的位置状态估计通过最近点循环迭代逼近k+1时刻的量测,在关联判决时采用双门限原则应对部分可辨所带来的漏观测问题,以提高关联时的容错性能;进而采用概率最近邻对漏观测航迹进行填补,以进一步保证跟踪的可靠性;最后,采用多模型法实现编队成员航迹滤波更新,以保证航迹的跟踪滤波精度。仿真结果表明,与现有的基于模版匹配的编队目标跟踪算法以及经典的多假设多目标跟踪算法相比,该算法具有较高的跟踪可靠性与精度,且在编队拓扑发生缓慢变化时具有更高的正确跟踪率。

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。

一种基于MFRAT和ICP的掌纹主线提取和配准算法

为提高受旋转和平移影响的掌纹图像的识别精度,文中采用一种基于方向最近邻域(DNN)搜索的迭代最近点(ICP)图像配准算法,对掌纹主纹线特征图像进行配准,同时在掌纹主纹线特征图像配准过程中采用粗配准和精配准相融合的配准方式.实验结果表明,该方法具有较高的计算效率和较好的抗旋转平移能力.

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NDT与ICP结合的点云配准算法

Lidar SLAM技术是无人车进行精确导航的一种重要方式,也是实现无人车在复杂的园区非结构化道路环境中安全驾驶的一种前提保障。构建了一种快速精确定位与建图的方法,通过车载激光雷达返回的大量点云数据,进行噪声点移除以及Voxel Grid滤波的预处理,在保持原始点云形态的同时实现点云配准。首先利用NDT(Normal Distribution Transform)点云配准算法对无人车的位姿粗估计,然后利用ICP(Iterative Closest Point)点云配准算法对已配准的点云进行校正,实现无人车位姿的精确估计,进而完成地图的更新过程。该方法只需要车载激光雷达传感器实现了快速的、精度高的Lidar SLAM。将算法用于小旋风无人车,在校园环境进行了验证,结果表明该算法是可靠、有效的。

利用特征点采样一致性改进ICP算法点云配准方法

针对传统迭代最近点算法(ICP)对点云初始位置要求高、收敛速度慢和易陷入局部最优的问题,本文提出了一种基于特征点采样一致性算法改进ICP算法的点云配准方法。首先使用体素网格法采样,通过法向量邻域夹角特性提取特征点并建立快速点特征直方图(FPFH)进行特征描述;然后使用采样一致性算法(SAC-IA)粗配准计算出点云的初始坐标变换,进而使点云获得较好的初始位置;最后通过K维树近邻搜索改进ICP算法,完成点云精确配准。实验结果表明,所提出的方法能够提供良好的初始位置,提高传统ICP算法点云的配准精度和收敛速度。

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。

TOF激光相机六自由度位姿变换估计

相对位姿估计是机器人视觉领域的研究热点。通过两帧数据来估计相机的六自由度位姿变换。充分挖掘TOF相机优势,提出了多个有效算法,用以保证估计精度。采用迭代最近点(ICP)算法估计位姿变换,为了克服ICP算法迭代发散问题,利用尺度不变特征点对估计初始值。为了提取有效特征点,根据统计学原理尺度化灰度图像,提高图像对比度。为了提高相机的测量精度,根据曝光时间越长,测量精度越高的原理,提出了融合多帧数据算法,使得融合后的数据帧中每个像素值均是在最长合理曝光时间下采集得到。同时提出了度量两个六自由度位姿变换差异的算法,并首次利用其跟踪ICP迭代过程。实验证明提出的算法可以有效估计相机六自由度位姿变换。

基于3 DHarris-FPFH特征的点云配准方法

针对传统ICP算法配准时间较长,并且当两片点云初始位姿相差较大时易陷入局部最优的问题,提出了一种基于3 DHarris关键点结合快速点特征直方图(Fast Point Feature Histo-gram,FPFH)特征改进的点云配准方法。首先对输入点云使用体素下采样进行精简,再运用3 DHarris算法对精简后的两片点云提取关键点,并由FPFH形成3 DHarris-FPFH特征点,然后使用随机采样一致性(Random Sample Consensus,RANSAC)算法进行粗配准输出初始变换矩阵,最后经由改进的迭代最近点(Iterative Closest Point,ICP)算法进行精配准。将该算法在公开数据集上进行了仿真实验,结果表明该算法在保持精度的情况下,提高了运算速度,具有一定的实用性。

无人机激光扫描测绘系统误差的模型检校技术及实验研究

该文提出一种检验和校正无人机激光扫描测绘系统误差的技术,并设计实验对该技术的误差检校效果进行验证。该技术的实现方法是根据系统主要误差构建基于航带平差的差异分析模型。无人机航测获得扫描数据后,使用迭代最近点(ICP)算法对采集到的数据进行航带点云配准,得到航带平差。将平差参数输入到差异分析模型中解算出系统误差,利用解算结果补偿系统、消除误差,从而达到系统校正的效果。从实验结果来看,使用系统误差模型校验技术后,初始点云图和校准后的新点云图在不同方向的航带点云颜色深浅一致,说明高程误差被消除。

多测站激光点云数据的配准方法

三维激光扫描技术及其获取的点云数据处理技术是当前测绘领域研究的热点。多测站配准是处理点云数据的关键步骤之一,配准的方法将直接影响到后续的数据处理及三维建模的精度。采用基于特征同名点的粗略配准和基于ICP算法的精确配准方法,结合某建筑物实例研究,获得较为精确的配准后点云数据,证明了此方法的有效性和可行性。

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。

融合Gabor特征的SFM算法三维人脸建模

采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓特征点匹配的准确性;针对图像数增多,传统因子分解法不易修正旋转矩阵的问题,利用旋转矩阵的性质求得修正矩阵,避开方程组的求解;提出引入迭代最近点算法将稀疏三维特征点与三维模型进行配准,缩小空间距离,并结合薄板样条函数插值生成特定的三维人脸模型,为增强真实感,进行纹理映射。实验结果表明,该方法有效提高了匹配点的准确性,能够重建出具有较强真实感的三维人脸。

逆向工程中多视点云对齐方法研究

在逆向工程中,常常需要将从各个不同视角测得的点云数据进行多视对齐,统一到同一个坐标系下,并消除两次测量间的重叠部分,以得到被测物体表面的完整数据。针对目前最常用的最近点迭代(ICP)算法,选取两个视图不同位置的数据点集作为控制点集,提出了一种寻找最近点对并建立控制点的名义对应关系的方法。实例表明该方法效果良好。

基于激光传感器的槽型轨轮廓匹配方法

为了实时掌握有轨电车线路的轨道状态,以期更有效地指导线路运营维护,针对有轨电车特殊的轨道结构和安装方式带来的轨道轮廓匹配困难问题,提出适用于槽型轨的轮廓匹配算法.通过分析轨道的磨损规律及结构特征,定义槽型轨的匹配基准区域,给出区域的自动分割方法.为了解决匹配区域定位困难的问题,设计两段式最近点迭代(ICP)匹配算法,实现轮廓的精确匹配;通过卡尔曼滤波器对匹配得到的旋转平移参数进行连续预测,解决在特殊情况下的异常匹配问题;通过实际线路实验,验证算法的可靠性.实验结果表明:所提匹配算法具有快速、高精度和高鲁棒性的特点,能有效克服槽型轨的特殊结构和嵌入式安装方式带来的匹配困难问题.

平面参数空间的实时三维点云配准方法

针对具有多平面结构的室内环境的三维定位和环境建模,提出了一种在平面参数空间进行配准的实时三维点云配准方法。该方法首先使用一种改进的三维霍夫变换算法快速提取点云中的平面特征,然后使用迭代算法在平面的参数空间中寻找最近平面,最后使用这些平面的对应关系来估计两帧点云之间的位姿变换关系。在一个实验室场景中进行的对比实验表明,该算法能够达到与传统迭代最近点(ICP)算法相似的精度,而且速度大大提升。在仅使用普通笔记本CPU的情况下即可实现实时的点云拼接。