图像处理

本文针对目前三维点云关键点配准与识别过程中的寻找匹配对不理想、存在大量误匹配对、严重影响配准与识别准确率的问题,提出了一种新颖的关键点误匹配剔除方法。首先，在关键点检测阶段，基于边缘点及其邻域点大多分布在同侧的特性，提出了一种边缘点检测算法，并基于该算法剔除掉处于边缘的关键点，以提高关键点的可重复性和可匹配性，降低关键点特征匹配的误匹配率；然后，在关键点特征匹配阶段，对经由最近邻（Nearest-neighbor，NN）算法得到的初始关键点匹配对，通过kmeans算法和分裂法，剔除掉大量错误的关键点匹配对，从而提高三维点云间关键点的匹配率。实验结果表明，该方法能够剔除完整三维点云匹配完整三维点云、完整三维点云匹配杂乱且有遮挡的三维点云、部分点云匹配部分点云所产生的大量关键点误匹配对，提升关键点匹配效果；同时在时间上，本文提出的关键点误匹配算法较RANSAC算法更有效率，是NN算法的有益补充。

熊风光, 霍旺, 韩燮, 况立群. 三维点云中关键点误匹配剔除方法研究[J]. 光学学报, 2018, 38(2): 3.  复制并引用该论文