典型文献
基于K-means++的多视图点云配准技术
文献摘要：
针对大规模点集可能存在噪声、离群点及遮挡等情况,提出一种基于K-means++的多视图点云配准方法.首先,利用K-means++算法的随机播种技术对下采样后的多视图点集选取初始化的质心,并根据算法的基本原理完成聚类;其次,将点云数据存入K-D树结构,并利用最近邻搜索算法建立点集间的对应关系,从而提升对应点集的搜索效率;最后,通过迭代最近点算法依照扫描顺序计算各视图聚类得到的点云数据与所有视图间的刚性变换参数,将成对配准造成的误差均匀扩散到每个视图中,直至获得最终配准结果.在Stanford三维点云数据集上进行实验的结果表明,本文提出的方法比近年的部分多视图配准算法具有更高的配准精度及鲁棒性.
文献关键词：
点云配准;多视图配准;K-means++算法;迭代最近点算法;刚性配准
中图分类号：
作者姓名：
梁正友;王璐;李轩昂;杨锋
作者机构：
广西大学计算机与电子信息学院,广西 南宁 530004;广西多媒体通信与网络技术重点实验室,广西 南宁 530004
文献出处：
引用格式：
[1]梁正友;王璐;李轩昂;杨锋-.基于K-means++的多视图点云配准技术)[J].计算机与现代化,2022(02):97-101
A类：
多视图配准
B类：
means++,点云配准,点集,离群点,遮挡,配准方法,机播,播种技术,下采样,初始化,质心,理完,存入,树结构,最近邻搜索,搜索算法,对应点,搜索效率,迭代最近点算法,图聚类,变换参数,Stanford,三维点云数据,配准精度,刚性配准
AB值：
0.301828
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
