基于并行离子群优化算法的三维点云配准研究

《基于并行离子群优化算法的三维点云配准研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391.7密级：UDC：编号：硕士学位论文基于并行离子群优化算法的三维点云配准研究论文作者：张希晋学生类别：全日制专业学位类别：工程硕士领域名称：电子与通信工程指导教师：贾志成职称：教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofElectronicsandcommunicationengineeringRESERCHOF3DPOINTCLOUDDATAREGISTRATIONBASEDONPARALLELPARTICLESWARMOPTIMIZATIONALGORITHMbyZ

2、hangXijinSupervisor:Prof.JiaZhichengFebruary2016原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有权采用影印、缩印、扫描、数字化或其它手段保存论

3、文；学校有权提供本学位论文全文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：导师签名：日期：摘要三维激光扫描技术在测绘中的应用越来越广泛，对其研究也越来越深入，它的出现打破了传统测量数据的获取与处理模式，带动了测距技术的一次变革。对其扫描数据（点云）的研究成为当前的一个关键的研究方向。本文使用实验室激光扫描系统获取的三维点云为研究对象，对点云配准算法展开了深入的研究。首先介绍了与点云数据相关的一些基础知识，详细地论述了点云数据

4、的配准，然后在总结分析国内外学者专家理论研究的基础上，提出利用粒子群群优化算法进行点云配准并将当前先进GPU并行加速技术与以融合，最终得到一种全新的兼顾速度和精度要求的配准算法。第一，对目前三维激光扫描技术相关知识进行深入了解，获取当前软硬件技术最新的前沿动态，在总结整理相关资料的基础上，确立本文所需要展开的工作以及工作方法、工作目标。第二，系统的介绍了三维激光点云数据配准的技术基础，类似于其它的测量数据，点云数据同样涉及到坐标框架问题，文中分析了与点云数据相关的坐标系，并推导了各种坐标系统之间的转换关系。第三，在深入研究经典ICP算法和群优化配准算法的基础上，经过多次实验对比，总结出

5、各自算法的优势和不足。针对ICP算法对点云初始位置要求高的问题和基于群智能优化的点云配准算法计算耗时长的问题，提出一种基于CUDA的并行粒子群配准算法。该算法利用粒子群算法各粒子天然的并行性，将求解最优值的运算过程分配到GPU中的各个线程中计算出点云的相对位置变换参数，进而经过坐标变换使两片点云统一到同一坐标系下。GPU在设计之初就是作为众核并行处理器来设计的，这种架构非常适合将相同指令、不同输入数据发送到众核上分别进行处理。本文在深入研究GPU并行机制的基础上，在计算机上搭建CUDA软件平台，将所设计的算法通过编程转化为可利用GPU并行计算的配准软件。GPU多线程运算同时执行互不干扰

6、，其蕴含的海量计算能力得以释放，极大的提高了粒子群算法的运算速度，从而可以实现点云的快速、精确配准。第四，基于上述配准方法，调整配准软件各项参数，在采用不同点云数据的情况下，观察各组配准效果。并设计不同的对比实验，记录实验结果。结果表明，本文算法既克服了ICP算法对点云初始位置要求高的缺点，又有效解决了基于群智能优化的点云配准算法计算时间长的问题。关键词：点云配准粒子群算法并行计算逆向工程IABSTRACTTheapplicationof3Dlaserscanningtechnologyinsurveyingandmappingismoreandmoreextensive.Morean

7、dmorestudiesonithavebeendone.Itsappearancebrokethetraditionalmeasurementdataacquisitionandprocessingmode,whichledtoachangeofthedistancemeasurementtechnology.Theresearchonthescanningdata(pointcloud)hasbecomeanimportantresearc