1 无锡学院自动化学院，江苏 无锡 214105
2 南京信息工程大学自动化学院，江苏 南京 210000
3 无锡学院轨道交通学院，江苏 无锡 214105
4 无锡学院电子信息工程学院，江苏 无锡 214105
针对迭代最近点(ICP)配准算法易陷入局部最优、迭代收敛速度慢等问题，提出基于内部描述子(ISS)特征点结合改进ICP点云配准算法，先对基准点云和待配准点云进行体素网格下采样，随后选用ISS算法提取特征点，采用点特征直方图(FPFH)对特征点进行特征描述，并寻找两片点云特征点的对应点对，之后利用随机采样一致性算法(RANSAC)算法去除错误对应点对，最后对已有良好初始位姿的两片点云采用基于Nanoflann加速的点到平面ICP算法进行精配准，将配准精度和配准效率进一步提高。试验结果表明，该算法比传统ICP算法迭代次数减少，在精度与速度方面均有显著提升；比尺度不变特征(SIFT)的ICP算法在欧氏适合度评分和配准用时上分别平均减少了64.4%和73.75%。
点云配准 点到平面的ICP point cloud registration ISS ISS point-to-plane ICP Nanoflann Nanoflann
1 江南大学物联网工程学院，江苏 无锡 214122
2 无锡格林通安全装备有限公司，江苏 无锡 214073
在设计红外火焰探测器的过程中，人工光源常常会引起探测器的误报。为有效区分人工光源与火焰信号，本文首先对采集的 1种人工光源以及 3种火焰信号进行分析，将采集的信号进行小波包 4层分解，得到信号的能量谱。通过分析发现选取第 2,3,4,7频段的能量值能够将这 4种信号有效区分。为进一步验证实验结果，本文将双通道两路信号的第 2,3,4,7频段的 8个能量值作为一组特征向量，与 BP神经网络结合进行模式识别。结果表明，通过这样的方法不仅可以区分火焰和人工光源，同时可以对 3种火焰进行识别，其识别的正确率为 84.1%。因此，基于小波包能量分析的方法提取这 8个能量值作为特征值具有一定的可行性，能有效减少人工光源引起的误报，同时为火焰种类的识别以及以后的灭火自动化提供了新的可能性。
红外火焰探测器 小波包 BP神经网络 特征值 infrared flame detector wavelet packet BP neural network feature vector
