APP下载

无序多视角点云的自主配准方法

2018-11-14徐思雨祝继华姜祖涛郭瑞李垚辰

西安交通大学学报 2018年11期
关键词:特征方法模型

徐思雨,祝继华,姜祖涛,郭瑞,李垚辰

(西安交通大学软件学院,710049,西安)

点云配准问题是在计算机视觉[1-3]和移动机器人[4]等研究领域中的基础问题。根据待配准点云数,该问题可分为双视角和多视角点云配准两种类型。

双视角配准是多视角配准的基础,其实质是通过定义相似性测度函数,并建立两帧点云之间点的对应关系以计算最优的变换关系。Besl等提出了基于迭代求解思想的迭代最近点(ICP)算法[5],对于解决刚体配准问题,该方法具有精度高和速度快的特点,但它不能解决缺失点云配准问题且具有局部收敛性。为了解决缺失点云配准问题,Chetverikov等提出了裁剪ICP算法[6],该方法在原始ICP算法的基础上,通过引入重叠百分比系数去除非重叠区域以准确地计算双视角配准结果。为了解决局部收敛问题,粒子滤波[7]和遗传算法[8]均被用于搜索全局最优的配准结果,但这类方法的计算量较大。有的学者提出一些基于特征匹配的双视角配准方法[9-10],此类方法通过从待配准的点云中提取并匹配特征,以快速计算双视角点云之间的刚体变换关系。

给定多视角点云集,多视角点云配准的目标是计算各点云和基准点云之间的刚体变换关系。与双视角点云配准问题相比,多视角点云配准问题需要求解的参数较多。解决此问题最简单的方法是顺序配准法[11],该方法通过不断地将两帧点云进行配准再合并以实现多视角配准结果,此方法虽然简单但存在累积误差问题。……

登录APP查看全文

猜你喜欢

特征方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
线性代数的应用特征