基于特征点匹配的点云配准方法研究

摘要：

针对快速点特征直方图(fast point feature histogram,FPFH)与迭代最近点(iterative closest point,ICP)算法结合的配准方法达不到精度要求的问题,文章在FPFH的基础上加入特征点的提取与匹配,使得配准精度进一步提升.该方法先通过尺度不变特征变换(scale-invariant feature transform,SIFT)算法和3DHarris算法对点云数据的特征点进行提取,再通过计算FPFH寻找对应点对,使用随机采样一致性(ran-dom sample consensus,RANSAC)算法剔除错误点对,通过奇异值分解(singular value decomposition,SVD)算法计算初始旋转矩阵和平移矩阵,最后用传统ICP精配准.结果表明,基于特征点匹配的算法相比基于特征描述的算法精度更高.

关键词：特征点提取、特征点匹配、奇异值分解(SVD)算法、迭代最近点(ICP)、点云配准

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;安徽省自然科学基金资助项目;大地测量与地球动力学国家重点实验室开放基金资助项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2023-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：808-812,821