10.15988/j.cnki.1004-6941.2023.1.009
基于改进的SAC-IA-SICP点云配准方法研究
为了改善传统ICP算法迭代误差大、配准精度低的问题,本文提出一种基于采样一致性配准算法(Sample Consensus Initial Aligment,SAC-IA)初始匹配与改进迭代最近点(Iterative Closet Point,ICP)精配准相结合的配准方法.首先采用SAC-IA进行初始配准,然后将一种对称的目标函数引入1CP算法,提高ICP算法收敛性,并用于点云精配准.实验结果表明,本文方法的配准精度较ICP算法提升了 93.00%,时效性提高了 15.20%,表明SAC-IA-SICP配准方法可靠性较高.
点云配准、采样一致性配准、迭代最近点、目标函数
50
TP391.4(计算技术、计算机技术)
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-30