《表2 本文配准算法与传统ICP算法的对比》
由于传统ICP算法要求待配准两组点云集须为包含关系,在点云集中能够找到相应数据点的对应点,且传统ICP算法在对应点对的寻找过程中耗费很大的计算代价,最差情况下时间复杂度达到O(NpNq),理想情况下时间复杂度也达到O(Nplog Nq)。寻找对应点对时,传统ICP算法对对应点对的认定条件是两者之间的欧氏距离最小,这将有可能导致产生一些误点对,进而使整个算法迭代朝向局部最优。本文针对传统ICP算法中出现的上述问题进行改进,通过对提取出的点云FPFH特征使用采样一致性算法进行待配准点云集的初始变换估计,以此获得较优的初始配准位置,有效解决两组点云集位置相差较大时使用传统ICP算法配准易陷入局部最优解的问题,在搜寻对应点对时通过k-d树进行加速,与此同时使用方向向量阈值法及时剔除掉误点对,防止了误点对在迭代中产生影响,最后使用ICP算法进一步提高算法的配准准确度,经过实验证明,与传统ICP算法的配准效果相比,本文算法具有更高的配准精度和效率,在配准结果能够保证具有可靠性和鲁棒性的同时,控制误差在允许的范围之内,有效降低重复迭代的次数并且大幅加快变换过程的收敛速度。
图表编号 | XD00102447500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 赵明富、黄铮、宋涛、曹利波、黄俊木、陈兵 |
绘制单位 | 重庆理工大学光纤传感与光电检测重庆市重点实验室、重庆理工大学光纤传感与光电检测重庆市重点实验室、重庆理工大学光纤传感与光电检测重庆市重点实验室、重庆理工大学光纤传感与光电检测重庆市重点实验室、重庆理工大学光纤传感与光电检测重庆市重点实验室、重庆理工大学光纤传感与光电检测重庆市重点实验室 |
更多格式 | 高清、无水印(增值服务) |