使用霍夫变换的3维点云拼合算法
目的 直接基于点云数据本身的拼合算法对点云模型的位置和重叠度有着较高的要求.为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法.方法 不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程.在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集.在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合.结果 利用本文算法对两片部分重叠的点云数据进行了拼接实验.实验结果表明,本文算法能很好地实现对部分重叠点云的拼合.由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性.结论 本文算法不仅能适用于任何具有任意初始相对位置的部分重叠点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性.
点云拼合、不变量特征、霍夫变换、持续特征直方图(PFH)、匹配、法向量调整、曲率
23
TP301.6(计算技术、计算机技术)
Natural Science Foundation of Jiangsu Province,ChinaBK20171249江苏省自然科学基金项目BK20171249
2018-06-04(万方平台首次上网日期,不代表论文的发表时间)
共12页
478-489