典型文献
基于轮廓点的三维点云配准
文献摘要：
针对三维点云数据在配准中会产生错位、局部最小值等问题,提出一种基于轮廓作为特征点以及广义迭代最近点(generalized iterative closest point,GICP)算法相结合的点云配准方法.首先,基于聚类算法对三维点云数据进行分割处理,引入角度阈值对分割后的三维点云数据进行轮廓提取,将提取出的轮廓点作为特征点;然后,对提取的特征点计算3 D形状上下文特征(3 D shape con-text,3DSC)的描述值,得到点云数据的对应点对;采用几何一致性以及随机采样一致性(RANSAC)消除点云数据匹配过程中的错误匹配点对,从而实现点云数据的初步配准,将初步配准的结果为最优初值,进而通过GICP算法实现精确配准.实验结果显示,比较于SAC-IA+ICP算法、NDT+ICP算法、SAC-IA+NDT算法,配准精度分别提高了50.5％、52.8％、64.4％,配准速度分别提高了58.7％、37.1％、81.4％,满足配准精度的要求.
文献关键词：
三维重构;点云配准;轮廓点提取;GICP
中图分类号：
作者姓名：
于微波;钱柏竹;杨宏韬;何科毅
作者机构：
长春工业大学电气与电子工程学院,长春 130012
文献出处：
引用格式：
[1]于微波;钱柏竹;杨宏韬;何科毅-.基于轮廓点的三维点云配准)[J].组合机床与自动化加工技术,2022(12):1-5
A类：
IA+ICP,NDT+ICP,IA+NDT,轮廓点提取
B类：
三维点云配准,三维点云数据,局部最小值,特征点,迭代最近点,generalized,iterative,closest,point,GICP,配准方法,聚类算法,轮廓提取,形状上下文,上下文特征,shape,con,text,3DSC,对应点,几何一致性,随机采样一致性,RANSAC,数据匹配,误匹配,初值,算法实现,配准精度,三维重构
AB值：
0.337051
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。
