基于相关系数平方和最大的三维点云配准
点云配准是三维重建过程的核心问题之一.针对点云散乱、数据存在缺失及噪声干扰情况下配准效率差、精度低的问题,提出了一种基于相关系数平方和最大(MCC)的点云配准算法.分别对目标点云与待配准点云去均值化后进行旋转,使旋转后的两组点云各自满足行向量间相关系数平方和最大;再利用粒子群优化算法分别求解出两组中间态旋转矩阵;最后根据两组中间态旋转矩阵求解出两点云之间的旋转矩阵和平移向量,进而实现点云配准.仿真结果表明,在点云散乱、数据存在缺失以及噪声干扰的情况下,本文算法比现有其他算法的配准速度更快、精度更高,且稳健性良好.
机器视觉、点云配准、相关系数、粒子群优化、数据缺失
56
TP391.9(计算技术、计算机技术)
2019-12-31（万方平台首次上网日期，不代表论文的发表时间）
共6页
149-154
