变尺度点云配准算法

针对三维点云配准中点云尺度不一致导致配准精确度不高的问题,提出基于几何重心和质心距离比不变性的多尺度点云配准算法。对点云进行滤波处理;通过点云数据重心与质心建立点云数据之间的尺度比例计算模型;根据配准误差与尺度真值函数关系,对尺度因子进行逐步细化,结合ICP算法进行配准。针对点云数据中不同的情况进行了对比实验,结果表明:在无噪声情况下,实验点云数据配准误差数量级为10^(–12)~10^(–15);在有噪声情况下,实验点云数据配准误差数量级为10^(–4)。

带距离限制的双配送中心选址方法

研究了带距离限制的双配送中心选址问题,结合聚类算法、重心法、层次分析法构造了一个解决双配送中心选址问题的算法。首先根据聚类算法思想将整个配送服务区域划分为两部分,再计算出每一个区域的重心,并求出两重心点之间的距离与距离限制的差值,以差值为半径,两重心点分别为圆心作圆。找出两个圆内圈出的符合距离限制的所有备选地点对;若没有符合距离限制的备选地点对,则把半径扩大为原来的1.5倍,重复以上步骤,直至得到符合条件的备选地点对为止。然后结合层次分析法及模糊综合评价法对所有备选地点对进行筛选,得到最佳选址方案。

基于多核并行和动态阈值的点云配准算法

针对点云配准中存在错误匹配点对、精度不高等问题,提出一种基于多核并行和动态阈值的点云配准算法。该算法采用改进的SAC-IA算法进行点云粗配准,利用OpenMP实现点云查询点的法向量、FPFH等特征的并行加速提取以及对应点对的并行查找,从而使整个配准算法的速度得到保持甚至提升。在点云精配准阶段,使用改进的ICP算法进行精配准,改进点着眼于错误对应点对的剔除及其阈值的动态确定,即以配准点重心作为参照点,按照动态阈值,使用点对距离约束剔除错误对应点对。实验结果表明,本文算法在提升配准精度的情况下,配准速度也得到了提升。