期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
一种基于SAC-NDT和ICP的高精度点云配准方法 被引量:2
1
作者 单彦虎 张潇丹 储成群 《单片机与嵌入式系统应用》 2023年第4期61-65,76,共6页
传统的正态分布变换算法精度低,而精度较高的迭代最近点算法极易陷入局部最优解。为了解决以上问题,将采样一致性算法与NDT算法结合作为点云初始配准方法,再利用KD-tree加速的ICP精配准方法完成点云匹配。实验结果表明,本文所提出的方... 传统的正态分布变换算法精度低,而精度较高的迭代最近点算法极易陷入局部最优解。为了解决以上问题,将采样一致性算法与NDT算法结合作为点云初始配准方法,再利用KD-tree加速的ICP精配准方法完成点云匹配。实验结果表明,本文所提出的方法大大提高了配准精度。 展开更多
关键词 点云配准 快速点特征直方图 正态分布变换 迭代最近点
下载PDF
一种面向复杂环境的自适应激光里程计设计
2
作者 王明明 龚芮 +2 位作者 孙晓云 孙寅静 王佳浩 《电子测量技术》 北大核心 2023年第10期16-23,共8页
针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题,本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据,经过点云预处理环节后,采用地面分割方法完成点云数... 针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题,本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据,经过点云预处理环节后,采用地面分割方法完成点云数据分割并获取路面点云丰富度信息;然后,使用NDT算法将前后两帧点云数据极大限度的进行拉近,实现点云数据的粗配准;最后,在环境判断结论指引下选择合适的ICP算法完成三维点云的高精度配准并根据输出的点云变换关系构建激光里程计。通过在数据集以及不同环境下的大量实车测试,得出该激光里程计在室内结构化环境中的平均位移误差为0.026 m,在室外非结构化环境中的平均位移误差为0.1 m。结果表明,本文构建的激光里程计能够更好的适应复杂环境从而得到更加精确的三维点云地图与SLAM轨迹。 展开更多
关键词 正态分布变换 迭代最近点 自适应 激光里程计 定位与地图构建
下载PDF
基于正态分布变换与迭代最近点的快速点云配准算法 被引量:22
3
作者 杨飚 李三宝 王力 《科学技术与工程》 北大核心 2017年第15期91-95,共5页
点云配准是三维重建过程的关键一步。传统配准算法的速度较慢,尤其是在两个点云距离较远或点云数据量较大的时候,为此提出了一种基于NDT和ICP的快速点云配准方法,能够有效地减少配准时间。本文算法主要分为三步:(1)采用NDT算法进行点云... 点云配准是三维重建过程的关键一步。传统配准算法的速度较慢,尤其是在两个点云距离较远或点云数据量较大的时候,为此提出了一种基于NDT和ICP的快速点云配准方法,能够有效地减少配准时间。本文算法主要分为三步:(1)采用NDT算法进行点云粗配准,调整两点云间的距离和点云姿态;(2)采用ICP算法对粗配后的点云数据进行微调,调整点云位置与姿态;(3)采用ICP算法对微调后的点云进行精确配准。实验结果表明,与传统算法相比,在点云数据量较大或者两个点云距离较远的情况下,算法也能够达到较快的配准速度与较高的配准精度。 展开更多
关键词 点云配准 NDT ICP
下载PDF
一种基于NDT和ICP融合的点云配准算法 被引量:8
4
作者 李庆玲 翟凯 +1 位作者 郭鸿锐 段晴川 《实验技术与管理》 CAS 北大核心 2022年第11期23-28,39,共7页
针对迭代最近点(iterative closest point,ICP)算法和正态分布变换(normal distributions transform,NDT)算法实现点云配准误差较大的问题,该文提出了一种NDT-ICP点云配准算法,主要包括NDT粗配准和ICP精配准两个核心环节,将NDT粗配准环... 针对迭代最近点(iterative closest point,ICP)算法和正态分布变换(normal distributions transform,NDT)算法实现点云配准误差较大的问题,该文提出了一种NDT-ICP点云配准算法,主要包括NDT粗配准和ICP精配准两个核心环节,将NDT粗配准环节得到的位姿变换矩阵作为ICP精配准环节的位姿初始值,ICP精配准环节通过Gauss-Newton法迭代求解目标函数输出最优变换矩阵。实验结果表明,NDT-ICP算法较ICP算法和NDT算法有效降低了绝对位姿误差,提升了点云配准精度。 展开更多
关键词 激光雷达 点云配准 迭代最近点 正态分布变换
下载PDF
基于NDT与ICP结合的点云配准算法 被引量:39
5
作者 王庆闪 张军 +1 位作者 刘元盛 张鑫晨 《计算机工程与应用》 CSCD 北大核心 2020年第7期88-95,共8页
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... 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。 展开更多
关键词 Lidar SLAM 无人车 正态分布变换(NDT) 迭代最近点(ICP) 点云配准 定位 地图构建
下载PDF
基于激光雷达的点云配准算法综述 被引量:2
6
作者 衣明悦 石晶 赵梓杉 《汽车实用技术》 2021年第17期212-214,共3页
点云配准是基于激光雷达的同时定位与建图(SLAM)的关键技术之一。点云配准最终目的是求解出相同坐标系下不同姿态点云的变换矩阵,利用该矩阵实现多次扫描点云的精确配准,从而获得车身位置和姿态的变换。文章首先介绍点云配准的思想,对... 点云配准是基于激光雷达的同时定位与建图(SLAM)的关键技术之一。点云配准最终目的是求解出相同坐标系下不同姿态点云的变换矩阵,利用该矩阵实现多次扫描点云的精确配准,从而获得车身位置和姿态的变换。文章首先介绍点云配准的思想,对迭代最近点(ICP)算法和正态分布变换(NDT)算法的发展现状概括并进行说明,然后主要介绍ICP和NDT两种经典点云配准算法,最后进行总结。 展开更多
关键词 点云配准 迭代最近点(ICP)算法 正态分布变换(NDT)算法
下载PDF
月面环境三维激光SLAM技术 被引量:4
7
作者 尚天祥 王景川 +1 位作者 董凌峰 陈卫东 《航空学报》 EI CAS CSCD 北大核心 2021年第1期289-297,共9页
同步建图与定位(SLAM)可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对... 同步建图与定位(SLAM)可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对月面环境的显著特征点云提取方法以及基于曲面定位能力估计的增量式优化算法,通过Fisher信息矩阵计算曲面定位能力指标,获取机器人位姿估计的不确定性测量,利用增量式的SLAM方案进行优化,用于提高定位精度与实时性。通过在Gazebo(物理仿真平台)仿真场景下的测试,验证了算法性能。 展开更多
关键词 月球探索机器人 同步建图与定位 激光里程计 正态分布匹配 迭代最近点匹配
原文传递
基于MaxShot-3D的复杂零件三维形貌柔性测量技术 被引量:1
8
作者 刘涛 李丽娟 赵小龙 《激光与光电子学进展》 CSCD 北大核心 2021年第5期143-151,共9页
针对传统柔性三维形貌检测系统柔性差和需预先粘贴合作目标点的问题,提出一种基于光学坐标三维测量系统的多特征复杂零件三维形貌柔性检测系统,并介绍该检测系统的总体方案,建立相对应的数学模型,实现复杂零件三维形貌柔性测量技术的研... 针对传统柔性三维形貌检测系统柔性差和需预先粘贴合作目标点的问题,提出一种基于光学坐标三维测量系统的多特征复杂零件三维形貌柔性检测系统,并介绍该检测系统的总体方案,建立相对应的数学模型,实现复杂零件三维形貌柔性测量技术的研究。对系统的测量不确定度及重复测量精度进行了实验检定,实验结果表明,该柔性检测系统具有较高的可靠性和精度。同时,对带曲率、异形孔的零件外形尺寸进行免粘贴合作目标的外形测量,实验结果说明了检测系统的可行性。 展开更多
关键词 测量 多特征复杂零件 三维形貌检测 基于正态分布变换的迭代最近点算法 柔性测量 MaxShot-3D
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部