SVD算法在建筑物点云数据配准中的应用
点云数据配准是点云数据处理的一个关键性环节.配准的目的就是为了得到不同视角下点集之间的平移向量与旋转矩阵.SVD算法(Singular Value Decomposition,奇异值分解法)是一种可靠的求解平移向量与旋转矩阵的方法.本文通过对建筑物扫描点云数据进行配准,从点云重叠度、噪声、初始配准状态三个方面讨论SVD算法的精度和时间消耗问题,实验结果可以作为点云数据预处理很好的参照.
SVD算法、建筑物、点云配准
44
TP391.7(计算技术、计算机技术)
住房和城乡建设软科学研究项目:历史文化建筑综合测绘和安全监测技术研究与应用K8201396.
2016-08-18(万方平台首次上网日期,不代表论文的发表时间)
55-57