基于改进PSO-TrICP算法的点云配准

摘要：

针对传统迭代最近点(Iterative Closest Point,ICP)算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法.首先,对传统粒子群(Particle Swarm Optimization,PSO)算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现"早熟"现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点(Trimmed Iterative Closest Point,TrICP)算法估计点云间的空间变换.实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性.

关键词：点云配准、粒子群算法、迭代最近点算法、裁剪迭代最近点算法、刚性配准

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61861004

在线出版日期：2022-06-17（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：90-95