基于邻域特征点提取和匹配的点云配准 | |
李新春2; 闫振宇2; 林森1,2,3; 贾迪2 | |
刊名 | 光子学报 |
2020 | |
卷号 | 49期号:4页码:1-11 |
关键词 | 机器视觉 点云配准 邻域特征 曲率 迭代最近点 |
ISSN号 | 1004-4213 |
其他题名 | Point Cloud Registration Based on Neighborhood Characteristic Point Extraction and Matching |
产权排序 | 2 |
英文摘要 | 为解决噪声干扰、数据丢失情况下迭代最近点算法的鲁棒性差、配准精度低等问题,提出一种基于邻域特征点提取和匹配的点云配准方法.首先定义一个由点的k邻域曲率、点与邻近点的法向量内积均值以及邻近点与邻域拟合平面的欧氏距离方差等三部分组成的邻域特征参数,结合在移动最小二乘表面构造的曲率特征参数对点云进行两次特征点提取;其次依据直方图特征定义三个匹配条件,并用双重约束获得正确的匹配点对;最后在配准阶段,采用双向构建k维树的迭代最近点算法实现精确配准.实验结果表明,该算法的配准精度较迭代最近点算法提高了90%以上,并且能够在噪声环境下有效地完成缺失点云的配准,在鲁棒性和精确配准方面有明显优势. |
语种 | 中文 |
CSCD记录号 | CSCD:6708229 |
资助机构 | 国家自然科学基金(No.61601213) ; 辽宁省教育厅科学研究一般项目(No.L2014132) ; 辽宁省自然科学基金面上项目(No.2015020100) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/26718] |
专题 | 沈阳自动化研究所_机器人学研究室 |
通讯作者 | 闫振宇 |
作者单位 | 1.中国科学院沈阳自动化研究所机器人学国家重点实验室 2.辽宁工程技术大学电子与信息工程学院 3.中国科学院机器人与智能制造创新研究院 |
推荐引用方式 GB/T 7714 | 李新春,闫振宇,林森,等. 基于邻域特征点提取和匹配的点云配准[J]. 光子学报,2020,49(4):1-11. |
APA | 李新春,闫振宇,林森,&贾迪.(2020).基于邻域特征点提取和匹配的点云配准.光子学报,49(4),1-11. |
MLA | 李新春,et al."基于邻域特征点提取和匹配的点云配准".光子学报 49.4(2020):1-11. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论