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.     

提高三维激光扫描点云数据配准精度研究

点云数据配准是三维激光扫描数据处理中的关键步骤之一,本文结合工程实例,运用不同方法进行点云初始配准,初始配准结果作为ICP算法的初始位姿进行精配准,实验证明,初始位姿对点云的配准精度、速度有一定影响。在工程实践中,提高初始配准精度,是解决ICP算法易陷入局部最优解问题及ICP算法精确配准效率低下问题的有效途径之一。     

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。     

基于特征点提取和匹配的点云配准算法

针对ICP算法配准需要两点云有较好的初始位置否则无法获取准确匹配结果的问题,提出一种新的粗配准算法。调整两片部分重叠点云的初始位置;在求取一点处法向量的基础上,利用点云曲率信息,提取特征点,获取两点云每一特征点处的属性向量;通过相似度函数评价,寻找匹配特征点对进行粗配准。试验表明,该基于特征点提取和匹配的方法可为ICP算法提供良好的点云初始位置,并提高配准精度和可靠性。     

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。     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

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。     

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。     

融合尺度和仿射不变特征的倾斜立体影像配准

针对倾斜立体影像通常存在较大的几何变形从而难以自动匹配的问题,该文提出了一种融合MSER特征和SIFT特征的自动配准算法:选取MSER特征获得初始匹配及其对应邻域的仿射几何关系,对MSER候选匹配邻域内SIFT的特征点进行局部几何约束的仿射不变归一化相关系数匹配,定义邻域内SIFT特征的匹配正确率为邻域支持度,并据此进行原始MSER误匹配进行剔除。对上述未能匹配的MSER和SIFT特征,采用基于局部单应约束进行迭代匹配传播以获得更多的配准控制点并用于精确估计投影变换模型,完成影像的配准。同现有方法相比,所提算法在匹配点数、匹配正确率和配准精度方面有较大优势。     

基于四参数-ICP的点云配准研究

利用三维激光扫描获取目标物点云数据的过程中,为了得到完整的目标物点云,则需要在不同站点对目标物进行扫描,从而需要对不同站点点云数据进行配准,而传统的点云配准都是基于至少三个标靶点的配准,配准效率低且没有考虑区域点云精度不均匀的影响,而基于无标靶的ICP配准算法时间效率比较低。针对此,本文将四参数算法和改进的ICP算法进行结合,在只需要两个标靶的情况下便可快速的完成点云配准,最终通过实例分析验证了该配准方法不仅精度高,且配准效率高。     

基于PCA和Delaunay剖分点云配准算法研究

针对三维点云精配准算法无法处理初始位置相差较大的点云并易陷入局部最优的问题,提出一种基于特征值计算和匹配的粗配准算法。由于点云表征对象表面形状的一致性,通过主成分分析(PCA)法可以得到每个点的特征值,通过构建基于特征值的Delaunay三角网可以加速寻找特征值最接近的点,利用随机抽样一致性(RANSAC)算法可以获取优化的变换参数。实验表明,该粗配准算法可以有效处理点云初始位置较差的情况,将两点云调整到较好的位置,保证了大部分区域的重叠。     

散乱点云数据精配准的粒子群优化算法

作为点云数据处理的关键步骤,点云数据配准的结果直接影响后续数据处理的精度。基于人工标靶和ICP思想的传统配准方法存在受环境影响、初始条件限制以及特征点提取困难等问题。针对传统地面激光扫描点云数据的高精度配准方法主要依赖人工标靶和特征点选取等局限,提出了一种改进的粒子群优化算法,以法向量叉积代数和最小作为适应度函数,对相邻点云重叠区域内的所有数据进行高效的全局搜索,在选取最佳配准点的基础上实现了散乱点云的精确配准。通过对多站扫描的高陡边坡岩体点云数据进行整体配准,并与ICP等经典算法进行对比实验,结果验证了本方法的可行性、有效性和稳定性,可以有效解决配准过程中标靶或同名特征点不易寻找的问题。     

地面LiDAR点云数据先局部后整体配准方法

针对地面LiDAR获取的庞大点云数据,提出无人工标志的地面LiDAR点云先局部后整体的配准方法。分割出待配准的两测站重叠区域小块点云,采用基于KD-Tree遍历最近邻域点集的ICP算法计算三维坐标转换参数,实现地面LiDAR点云数据的快速配准。     

基于配准残差分布函数点对定权的ICP算法研究

针对传统ICP配准算法无法抵抗常规粗差点对配准精度的影响问题,研究了基于配准残差分布函数点对定权的改进ICP配准算法,推导了基于配准残差分布函数的点对残差权重值计算公式,在此基础上采用幂法解算单位四元数,最终在速度和精度2个方面完成对原始ICP配准算法的优化。采用C~(++)编程语言将改进的ICP点云配准算法程序化,利用Rigel LMS-Z420i三维激光扫描仪对某雕像进行扫描,通过自编程序对含有常规粗差点的点云数据进行配准实验,将基于点对权重的改进ICP算法与标准ICP算法进行比较,结果表明基于点对权重的改进ICP算法能够有效处理配准数据中存在粗差点的情况,是一种比较精确的抗差配准算法,可对现存配准算法进行有效补充。     

地铁隧道三维激光扫描数据配准方法

针对传统的迭代最近点算法(ICP)用于多测站点云数据配准时计算效率低的问题,该文提出了一种基于特征点的ICP改进算法,该方法利用相邻两测站数据进行配准的实现。首先采用体素化格网方法对两点云数据集进行精简处理,并计算精简处理后每一点的法向量;然后利用kd-tree最近邻查询搜索特征点之间的对应关系;并通过估计出的最优变换矩阵更新至全局变换,以提高配准精度。实验结果表明,改进的ICP算法在地铁隧道点云数据配准中的效率高于其他的配准方法,为隧道变形监测工作的进行提供保证。     

利用点云配准的空地影像融合技术

为实现空地影像的高精度融合,本文提出了一种基于密集匹配点云配准的融合方法,并与利用空三加密点云配准的融合效果进行了对比。首先,通过对空地影像进行空三加密和密集匹配,得到相应的三维点云;然后,利用基于3DSC特征的SAC-IA算法,完成空中点云和地面点云的粗配准;最后,通过改进的Point-to-Plane ICP算法进行精配准,进而完成空地影像的融合。试验表明,相比空三加密点云,密集匹配点云能够提供更为稳健的配准结果,且能够达到厘米级的精度。     

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。     

融合反射强度图像的地铁隧道点云自动配准

针对地铁隧道点云数据特征点少、在大视角点云数据间配准拼接时出现精度差、效率低等问题,本文以提高配准效率及精度作为出发点,以目前主流的ICP算法为基础,首先将激光点云按中心投影方式生成反射强度图像并以此作为配准源,采用规则格网分割提取匹配,建立均匀分布的同名点;然后利用反射强度图像上的同名点与点云之间的一一对应关系,完成视角点云间的初配准;最后在初次配准的基础上,采用KD树改进算法进行点云数据的精细配准。试验结果表明,本文在实现点云数据自动配准的同时,提高了地铁隧道点云数据的配准效率及精度。     

改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。