基于位姿参数估计的多视角点云配准方法

传统的点云配准算法通过两点云数据之间的特征实现对应点配对,这种方法要求点云具有明确的特征,且存在计算量大、匹配时间长、配准精度低等问题,而ICP算法虽然应用广泛,但对初始值敏感。对此,提出了一种基于位姿参数估计的多视角点云配准方法(PPE-ICP)。首先通过分析误差的分布特性可证明误差极小值存在,使用A^(∗)搜索算法寻找误差极小值,降低误差传播的影响,为后续的参数估计提供较好的初值;其次将总体最小二乘估计引入点云配准,在不依赖点云数据的同时,使用少量参考点就能获得点云从目标坐标系到东北天坐标系的转换矩阵,完成点云位姿矫正,结合迭代最近点算法(ICP),实现点云精确配准。通过与FGR-ICP、FPFH-ICP、NDT-ICP、RANSAC-TrICP和KSS-ICP这5种方法在公开数据集和自制实验装置收集到的点云上进行对比实验,点云数据量为20000点时实现配准只需6.55 s,极大地降低了大数据量下点云配准的时间成本,在实地点云配准中平移误差最大不超过0.03 m,旋转误差控制在0.07°。实验结果表明,PPE-ICP对相似变换、残缺点云和低重复率具有较强的鲁棒性,在多视角点云配准中具有较高的配准效率和配准精度。

一种顾及方向遮蔽性的高效空间插值方法

反距离权重插值方法在航空航天中有着广泛的应用,但其存在仅考虑距离关系而忽视方位关系的缺点,顾及方向遮蔽性的调和反距离权重插值方法弥补了这种不足,提高了插值精度,但仅适用于平面插值。借鉴该方法的基本假设,根据归一化后样本点的不同空间分布,以平面均匀角和球面均匀角为基准,制定统一的均匀性量化标准,提出一种更具普适性的三维空间插值方法。在搜索插值点的临近样本点时,提出一种最近邻搜索算法,极大提高了插值计算效率。通过测试函数计算发现,与反距离权重插值方法相比,所提插值方法误差显著降低。将所提插值方法应用于某型民用飞机短舱的气动载荷插值,结果表明,所提插值方法兼具高效和高精度的优点。

一种基于中心投影的地面激光雷达反射强度图像的生成方法

针对于球面投影的地面激光雷达数据,提出一种基于中心投影的地面激光雷达反射强度图像的生成方法。采用中心投影方式将点云投影到投影平面上;并利用最邻近点搜索方法生成激光反射强度图像。最后利用SIFT算法和反向匹配方法对强度图像和近景影像进行匹配和验证。试验结果表明,采用中心投影和最邻近点搜索方法较之于球面投影生成的强度图像从一定程度上降低了强度图像与近景影像之间的差异性,提高了两种非同源图像匹配的稳定性和可靠性。

基于格理论的模糊度快速解算方法

为了兼顾未来全球卫星导航系统(GNSS)的兼容与互操作,解决多频多模高维模糊度在常规方法下解算效率低的问题,基于格理论,提出了一种最近格点(CLP)搜索算法对模糊度整型值进行搜索。首先,将模糊度搜索转化为对格中已知格点的最近格点搜索问题;然后,根据格基规约改进得出具有最小可能长度且相互正交的格基向量;最后,采用CLP搜索算法搜索出最优的模糊度参数值。通过模拟实验和实测数据实验验证得出,所提的CLP搜索算法理论上相较经典的最小二乘模糊度降相关(LAMBDA)和改进的LAMBDA(MLAMBDA)算法对模糊度参数的解算效率更高且更可靠,且CLP搜索算法每一个参数搜索时间稳定在0.01 s,即使在高维情况下,CLP搜索算法的搜索依然稳定可靠。

基于布谷鸟优化的三维点云配准算法

针对ICP算法在点云配准时存在对初始位置敏感、易陷入局部最优的缺陷,提出一种基于布谷鸟优化算法的点云配准方法。对输入点云的均匀采样,并基于领域半径约束的固有形状特征点(Intrinsic Shape Signature,ISS)提取进一步简化点云。通过布谷鸟算法莱维飞行全局搜索更新策略完成对点云较好的初始配准,得到空间变换矩阵参数。利用k-D树(k-Dimension tree)近邻搜索方法加快对应点的搜索速度,以提高点云ICP精细配准的效率。通过对不同初始位置的点云库模型进行配准实验,结果表明该算法能有效克服ICP算法的缺陷,其全局搜索性能与寻优精度更具优势,抗噪性好,配准精度高,鲁棒性强。

基于轮廓的多设备医学图象的刚性配准

提出了一种基于轮廓的多设备医学图象的刚性配准算法。在半自动轮廓搜索的基础上，运用迭代最近邻点方法搜索轮廓间的对应点，最小化代价函数并获得最佳刚性变换，实现图象的精确配准。通过多次选择初始变换的搜索策略，解决了搜索过程中出现的局部极小值问题。实验表明该方法能有效地实现多设备医学图象的配准。

面向低维点集配准的高效最近邻搜索法

为提高点集配准效率,设计一种适用于二维/三维点集的高效最近邻搜索法.该方法根据由模型点集的各维方差所选定的维度信息,排序模型点集中的点.借助二分查找法,将数据点集中的每个点插入至排序后的模型点集中,并利用左边第一个点确定搜索范围的上确界.当在确定范围内搜索最近邻时,可根据当前结果进一步减小待搜索范围,以便快速获得各点的最近邻.最后进行的复杂度分析和实验结果对比均验证文中方法的有效性.

基于分层块状全局搜索的三维点云自动配准

提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法,用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后,以点云块为分层单元对模型点集进行选取,并对选取的少量模型点进行全局搜索获取其对应最近点;然后,以这些模型点对应的最近点作为搜索中心,在场景点集中进行局部搜索,获取这些模型点的大量临近点的对应最近点;最后,剔除错误对应最近点对,并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection)的ICP算法相比,该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%;对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points,ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。

基于图搜索点对切线ICP的高精度激光点云配准方法

针对基于迭代最近点的点云配准方法存在的相关点选择模型缺陷和初值敏感等问题,提出了一种基于图搜索的点对切线迭代最近点配准方法。首先,设计了一种基于图的搜索方法获取最近点,并提出更加符合观测特性的相关点点对切线模型假设,使用模拟激光射线与环境采样点切线的交点作为相关点,构建误差公式并求解。其次,实现了一种基于位姿粒子概率的粗配准方法,计算可能的位姿变换粒子并评分,将得分高的变换位姿作为精配准的初始输入位姿。最后,通过实验验证方法的可行性并与其他方法比较。结果表明,相比实验中的其他方法,本文方法能够在较短时间(100 ms)内完成两帧2维激光雷达数据的匹配并获得高精度的估计结果。

格网划分的最邻近点搜索方法

为了提高迭代最近点(ICP)算法中最邻近点搜索的存储和计算效率,本文通过对盒子结构方法优、缺点的深入分析,提出了基于格网划分的最邻近点搜索方法。该方法充分考虑了3D点云获取时的投影特性,将点云投影到某一坐标平面,并基于格网划分进行存储,使最邻近点的搜索限制在较小的范围。不同类型的模拟数据和实测数据试验均表明,该方法能够在不损失匹配精度和拉入范围的前提下,显著提高存储和计算效率。

基于叶片截面线CMM测量数据的ICP配准改进算法

快速、准确地对叶片进行测量是保证加工质量的关键。叶片三坐标测量机测量数据与理论数据之间的配准是数据处理的重要一步。针对传统迭代最近点(Iterative closest point,ICP)配准算法存在的配准精度低,提出一种基于叶片截面线三坐标测量机(Coordinate measuring machine,CMM)测量数据的ICP配准改进算法,将测量点到理论曲线的最小距离作为目标函数进行最近点的求解。首先,计算每一个测量点在理论点集中对应最近点,然后采用三次样条对该最近点及其附近理论点进行样条插值,最后计算测量点距离样条曲线最近点,并将此点作为求得的最近点。该方法在求得一个测量点在理论点集中对应最近点位置的同时,可顺次得到其他测量点在理论点集中的对应最近点,避免全遍历搜索计算。通过实例验证和对比,表明算法有效,精度较高。

基于局部拟合平面投影搜索最近点的ICP配准

针对传统迭代最近点(iterative closest point,ICP)配准算法迭代次数多、收敛速度慢的问题,研究了基于局部拟合平面投影搜索最近点的改进ICP配准算法,在此基础上采用幂法解算单位4元数,最终在速度和精度上完成了对原始算法的优化。采用C#编程语言将改进的ICP点云配准算法程序化,利用Trimble GX对某大型高层建筑物进行实验,分析了配准过程中4元数参数、旋转矩阵参数和平移参数的变化趋势,并对传统ICP配准算法和改进ICP配准算法的配准残差进行比对,结果表明,改进的ICP配准算法迭代次数少、收敛速度快,研究成果可为现有点云数据配准技术提供参考。