1 五邑大学轨道交通学院,广东 江门 529020
2 广东工业大学机电工程学院,广东 广州 510642
3 佛山市南海区广工大数控装备协同创新研究院,广东 佛山 528225
针对如何快速且准确地获取模具内部完整三维点云数据的问题,提出一种机械臂与三维视觉设备结合的三维点云拼接算法。在初拼接阶段,采用手眼标定方式获取手眼矩阵,并将各幅点云转换到机器人基坐标系,完成初步拼接,得到良好的配准初始位置。在此基础上,提出改进的迭代最近点(ICP)算法,通过结合内部形体描述子(ISS)特征获得关键点,并用随机一致性算法剔除错误匹配点,在点的匹配过程中采用点到面的方式进行匹配,最终得到完整的拼接点云。实验结果表明,所提算法在与ICP算法及其他改进的ICP算法的配准性能对比中具有良好的稳健性,算法耗时及配准误差明显下降,完整的拼接点云误差为0.12 mm,具有较高的工程实践价值。
机器视觉 点云拼接 三维点云 迭代最近点算法 机械臂 激光与光电子学进展
2023, 60(20): 2015001
1 首都师范大学资源环境与旅游学院,北京 100048
2 北京四维远见信息技术有限公司,北京 100070
3 中国测绘科学研究院,北京 100830
针对车载激光扫描在重访道路时多趟点云的配准问题,提出一种地面点和杆状物结合的点云配准方法。配准前通过梯度算法提取地面点,依据空间相对分布关系对目标点集与待配准点集进行自动配对。考虑到传统迭代最近点(ICP)算法对初始位置要求高等局限性,采取先高程后平面的配准步骤:首先高程配准,基于地面点使用体素滤波器强化地形特征,通过利用距离约束条件来获取准确匹配点序列并计算初始配准参数,为精确配准提供良好的位姿信息;其次平面配准,以杆状物为配准基元,在利用直通滤波限定杆柱状剖面的基础上添加表面曲率特征,并设定阈值剔除错误邻近点对,从而提高配准精度和速度;最后根据线性内插实现长路线点云平滑。实测数据验证了该方法的有效性,三轴配准参数残差低于4 cm,均方根误差在3 cm左右,配准效率较高,可为大场景车载激光点云的配准提供技术参考。
图像处理 车载激光扫描 点云配准 地面滤波 杆状特征 表面曲率阈值 迭代最近点算法
1 咸阳师范学院物理与电子工程学院,陕西 咸阳 712000
2 西北工业大学自动化学院,陕西 西安 710072
3 西安建筑科技大学机电工程学院,陕西 西安 710055
为解决激光雷达目标点云配准技术中精确配准步骤中所存在的匹配速度慢和匹配误差大的问题,提出了一种基于邻域曲率改进的迭代最近点(ICP)精准化匹配算法。初始配准采用传统的主成分贴合法,给精确配准找到一个较好的初始位置,精配准采用基于领域曲率改进的ICP算法。以斯坦福兔子和场景点云作为实验研究对象,配准结果和数值分析共同表明,基于邻域曲率改进的ICP算法在点云配准中的可行性,且与其他算法相比,所提算法的配准速度更快、匹配精度更高,为三维数据重建和目标识别技术提供一种更高效的新方法。
遥感 激光雷达 邻域曲率 精确配准 迭代最近点算法 点云数据重建 激光与光电子学进展
2023, 60(2): 0228008
1 西安工业大学光电工程学院, 陕西 西安 710021
2 无锡微视传感科技有限公司, 江苏 无锡 214101
3 无锡翼盟电子科技有限公司, 江苏 无锡 214101
点云配准是三维重建中的重要步骤, 为解决传统迭代最近点(ICP)点云配准算法速度慢、迭代次数多、精度低的问题, 在搭建3D相机与RGB模组成像系统的基础上, 对传统ICP方法进行改进, 提出一种AKAZE(Accelerated KAZE)算法与广义迭代最近点(GICP)算法相融合的方法。此方法采用AKAZE算法进行RGB图像的特征点匹配, 将RGB图像的特征点映射至对应的点云数据上, 利用广义迭代最近点算法实现点云配准。试验结果表明, 所述融合算法相比传统的ICP算法, 降低了迭代次数, 平均时间缩短了41.29%, 时间效率得到了极大提升, 配准效果也有明显改善。提出的点云配准方法有效地解决了传统配准方法时间效率低的问题。
迭代最近点算法 点云配准 时间效率 3D重建 iterative closest point algorithm point cloud registration time efficiency 3D reconstruction
红外与激光工程
2022, 51(12): 20220114
1 上海航天控制技术研究所,上海 201109
2 上海市空间智能控制技术重点实验室,上海 201109
3 上海航天技术研究院,上海 201109
通过分析算法配准过程提出一种基于主成分分析(PCA)的点云配准策略,对迭代最近点(ICP)算法迭代过程加入PCA配准设计,以解决ICP算法易陷入局部最小值、配准耗时高的问题。首先,利用重心法在首次迭代开始前使参考点云与待配准点云重心重合以达到初始位姿确定;然后,在ICP算法每次进行迭代时,先对待配准点云与参考点云进行PCA,选取其中前三主成分特征向量,通过姿态变换进行对应匹配,使两点云完成初始配准后再利用欧氏距离寻找最近点,完成后续配准过程。选取了经典ICP算法及3种初始位姿确定方法、文献主流算法与提出的迭代PCA算法及3种初始位姿确定方法进行对比分析,结果表明,在前述两种方法都无法配准的情况下,提出算法不仅成功避免算法陷入局部最小,而且获得了较优的速度与精度,迭代次数为10次,耗时19.427939 s,配准误差为2.1932,综合提高了配准性能。
成像系统 迭代最近点算法 主成分分析 点云配准 时间飞行相机 局部最小 激光与光电子学进展
2022, 59(22): 2211001
红外与激光工程
2022, 51(5): 20210342
红外与激光工程
2021, 50(10): 20200483