基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中，需要两片点云具有良好的初始位置，否则在配准时容易陷入局部最优。针对该问题，本文提出了一种基于特征点提取与配对的粗配准方法，以调整两片点云重叠部分的初始位置。首先，利用SIFT算法提取两片点云公共部分的特征点；其次，根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对；然后，利用法向量的夹角对特征点对进行提纯；最后，通过单位四元数法，求解出旋转及平移矩阵，完成粗配准。试验表明，本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置，在一定程度上避免配准时陷入局部最优的现象。     

利用特征点采样一致性改进ICP算法点云配准方法

针对传统迭代最近点算法(ICP)对点云初始位置要求高、收敛速度慢和易陷入局部最优的问题,本文提出了一种基于特征点采样一致性算法改进ICP算法的点云配准方法.首先使用体素网格法采样,通过法向量邻域夹角特性提取特征点并建立快速点特征直方图(FPFH)进行特征描述;然后使用采样一致性算法(SAC-IA)粗配准计算出点云的初始坐标变换,进而使点云获得较好的初始位置;最后通过K维树近邻搜索改进ICP算法,完成点云精确配准.实验结果表明,所提出的方法能够提供良好的初始位置,提高传统ICP算法点云的配准精度和收敛速度.     

基于K-近邻搜索的点云初始配准

为了使用最近点迭代算法(ICP)实现点云的精确配准,需要点云有良好的初始姿态,这可以通过点云的粗配准实现。本文结合K-近邻搜索和法向量估计,通过组建不变角度作为匹配特征,求解旋转矩阵和平移向量实现粗配准,方法由Matlab7.1编程实现。具体的实验结果表明,利用该方法能得到理想的粗配准效果,可以进一步应用ICP算法实现精确配准,该方法是有效的。     

基于K-近邻搜索的点云初始配准

为了使用最近点迭代算法(ICP)实现点云的精确配准,需要点云有良好的初始姿态,这可以通过点云的粗配准实现。本文结合K-近邻搜索和法向量估计,通过组建不变角度作为匹配特征,求解旋转矩阵和平移向量实现粗配准,方法由Matlab7.1编程实现。具体的实验结果表明,利用该方法能得到理想的粗配准效果,可以进一步应用ICP算法实现精确配准,该方法是有效的。     

利用邻域特征点相关性的点云配准算法

针对经典ICP进行点云配准容易陷入局部最优且处理时间长、精度低的问题,本文提出一种利用邻域提取特征点进行配准的优化算法。首先,通过邻域特征计算法向量和曲率特征从待匹配数据中选取特征点,通过特征点匹配得到配准平移和旋转参数,并利用配准参数对待匹配数据进行初始配准,然后,通过ICP算法对数据进行精细配准。试验证明,在利用特征点进行初始配准的基础上,解决了经典ICP算法容易陷入局部最优的问题,且具有良好的配准精度和运行效率。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

法线特征约束的激光点云精确配准

作为点云数据处理的关键步骤,配准结果直接影响到后续数据处理的精度。针对传统迭代最近点(iterative closest point,ICP)算法依赖较好初始位置的局限性,提出基于法线特征约束的点云精确配准方法。首先采用局部表面拟合方法进行法线估计,并计算其快速点特征直方图,然后通过采样一致性方法对两组点云进行粗配准,最后通过建立KD-Tree加快对应点的搜索效率,并设定阈值去除错误对应点对,实现精确配准。结果表明,基于法线特征约束的粗配准算法可以为待配准点云提供较好的初始位置,并且改进的ICP算法有效地提高了点云配准的精度和效率。     

一种基于特征点的地面激光点云全局配准方法

针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为三步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。     

一种基于ISS-SHOT特征的点云配准算法

针对点云配准过程中易产生错误对应点、收敛速度慢、配准时间长等问题，提出了一种基于内部形态描述子（ISS）及方向直方图描述子（SHOT）特征的点云配准算法。运用体素格网法下采样后，采用ISS算法提取特征点，并用SHOT对特征点进行描述，利用余弦相似度匹配对应点对，再采用RANSAC算法剔除错误对应点对，使得两片点云获得良好的初始位姿，最后采用点到平面的ICP算法进行精确配准。试验结果表明，与传统ICP算法及基于ISS的SAC-IA+ICP算法相比，本文算法配准精度及配准效率更高，对数据量大、重叠率较低点云具有很好的稳健性。