基于點云幾何信息改進(jìn)的自動配準(zhǔn)方法
【文章頁數(shù)】:6 頁
【部分圖文】:
圖1 根據(jù)閾值ε1選取的特征點集
本文選取斯坦福Bunny點云數(shù)據(jù)作為實驗?zāi)P?同時將點云模型處理,模擬出目標(biāo)點云。通過本文方法選取的特征點如圖1所示,觀察可見點云中幾何變化程度較大的點得到了保留。然后,對保留下來的所有點pm和qn與其k近鄰點的特征度再進(jìn)行比較,即這一點特征度是其k鄰域所有點特征度的最大值,則保....
圖3 根據(jù)距離不變性約束篩選的匹配點對
找出符合距離約束條件的匹配點對如圖3所示,之后結(jié)合RANSAC即隨機(jī)采樣一致性算法對數(shù)據(jù)重新采樣,完成初始配準(zhǔn)。本文通過對比單位四元數(shù)算法[9],對偶四元數(shù)法[10]和奇異值分解法[11]的精確度和魯棒性,最終選取單位四元數(shù)法求解。單位四元數(shù)算法具體為:假設(shè)存在單位四元向量qR=....
圖4 原模型點云和處理后的點云示意圖
為了驗證本文算法的有效性和配準(zhǔn)性能,設(shè)計了仿真對比實驗。采用斯坦福大學(xué)網(wǎng)站提供的bunny模型作為模板點云進(jìn)行了配準(zhǔn)實驗。運(yùn)用本文的改進(jìn)算法,經(jīng)典ICP算法和PCA的改進(jìn)算法[12]進(jìn)行了比較,點云模型根據(jù)實驗需要進(jìn)行了處理。實驗在Corei7-6820HKCPU,16GB內(nèi)存,....
圖5 兩個點云模型在空間坐標(biāo)系中的位置關(guān)系示意圖
圖4原模型點云和處理后的點云示意圖粗配準(zhǔn)結(jié)果如圖6所示,從圖中可見經(jīng)過粗配準(zhǔn)之后兩個點云型得到了較好的位置關(guān)系。
本文編號:4027838
本文鏈接:http://www.sikaile.net/kejilunwen/dianzigongchenglunwen/4027838.html
下一篇:沒有了