典型文献
基于改进PSO-TrICP算法的点云配准
文献摘要：
针对传统迭代最近点(Iterative Closest Point,ICP)算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法.首先,对传统粒子群(Particle Swarm Optimization,PSO)算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现"早熟"现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点(Trimmed Iterative Closest Point,TrICP)算法估计点云间的空间变换.实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性.
文献关键词：
点云配准;粒子群算法;迭代最近点算法;裁剪迭代最近点算法;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-.基于改进PSO-TrICP算法的点云配准)[J].计算机与现代化,2022(05):90-95
A类：
TrICP,裁剪迭代最近点算法
B类：
PSO,点云配准,Iterative,Closest,Point,空间位置,位置偏差,局部最优,配准方法,Particle,Swarm,Optimization,适应度,整粒,更新方式,历次,全局最优解,学习因子,早熟,变换参数,云间,重叠率,相对位置,Trimmed,空间变换,配准精度,粒子群算法,刚性配准
AB值：
0.322456
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。
