机器视觉

三维激光扫描点云由于物体型号不同、扫描设备的角度和距离差异等原因，可能存在多个方向具有不同仿射变换情况。尤其,还伴随着点云排列乱序和随机丢失，使得配准更为复杂。为解决此类问题，本文结合点云统计学特性和形状特征提出带方差补偿的多向仿射配准算法。首先，将求解点云未知放缩因子问题转化为带方差的超定非线性方程组求解问题，并通过二次曲面拟合对噪声方差最小二乘无偏估计；然后，引入点云全局向量特征相似度，以相似度最大化求解放缩因子真解；最后，将多向仿射变换点云的配准转化为点云刚性配准，并以主方向法将点云配准。在仿真实验中表明，本文所提出的算法针对点云随机丢失和带噪声的点云配准情况，相比几种现有配准算法不仅能够成功完成配准，同时具备更高的配准精度和较少的配准时间。

王畅, 舒勤, 杨赟秀, 邓世杰. 带方差补偿的多向仿射点云配准算法[J]. 光学学报, 2019, 39(02): 2.  复制并引用该论文