成都理工大学核技术与自动化工程学院, 四川 成都 610059
点云配准是三维重建过程的核心问题之一。针对点云散乱、数据存在缺失及噪声干扰情况下配准效率差、精度低的问题,提出了一种基于相关系数平方和最大(MCC)的点云配准算法。分别对目标点云与待配准点云去均值化后进行旋转,使旋转后的两组点云各自满足行向量间相关系数平方和最大;再利用粒子群优化算法分别求解出两组中间态旋转矩阵;最后根据两组中间态旋转矩阵求解出两点云之间的旋转矩阵和平移向量,进而实现点云配准。仿真结果表明,在点云散乱、数据存在缺失以及噪声干扰的情况下,本文算法比现有其他算法的配准速度更快、精度更高,且稳健性良好。
机器视觉 点云配准 相关系数 粒子群优化 数据缺失 激光与光电子学进展
2019, 56(22): 221504
1 成都理工大学核技术与自动化工程学院, 四川 成都 610059
2 四川大学电气信息学院, 四川 成都 610065
3 成都理工大学地学核技术四川省重点实验室, 四川 成都 610059
为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。
机器视觉 多维混合柯西分布 最大期望算法 点云配准 噪声 数据缺失
1 四川大学电气信息学院, 四川 成都 610065
2 西南技术物理研究所, 四川 成都 610041
为提高三维激光扫描点云的配准精度以及效率,解决数据点缺失、点云散乱时的配准问题,结合点云的全局和局部结构特征的不变特性,提出基于全局结构特征的初始配准算法和利用局部结构特征的快速精确配准算法。首先,给出全局结构特征的定义,并阐明初始配准方法,证明在点云样本集缺失数据时初始配准算法的有效性;然后,给定一种空间区域的划分方式,并找出划分的空间区域中两个点云的对应点;最后,通过找出的有限个对应点实现点云的精确配准。在仿真和实验数据处理时,该精确配准算法能够有效地完成缺失、散乱点云的精确、快速配准,且在效率和精度上比其他几种算法具有明显优势。
成像系统 图像配准 结构特征 最小二乘法 数据缺失 散乱点云
