迭代最近点算法综述

迭代最近点算法综述

ID:47466111

大小:173.35 KB

页数:9页

时间:2020-01-11

迭代最近点算法综述_第1页
迭代最近点算法综述_第2页
迭代最近点算法综述_第3页
迭代最近点算法综述_第4页
迭代最近点算法综述_第5页
资源描述:

《迭代最近点算法综述》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、迭代最近点算法综述摘要:三维点集配准问题是计算机技术中的一个极其重要的问题,作为解决三维点集配准问题的一个应用较为广泛的算法,ICP算法得到了研究者的关注,本文以一种全新的思路从配准元素的选择、配准策略的确定和误差函数的求解等3个方面对三维点集配准的ICP算法的各种改进和优化进行了分类和总结。关键词:三维点集;迭代最近点;配准1引言在计算机应用领域,三维点集配准是一个非常重要的中间步骤,它在表面重建、三维物体识别、相机定位等问题中有着极其重要的应用[1]。对于三维点集配准问题,研究者提出了很多解决方案,如点标记法、自旋

2、图像、主曲率方法、遗传算法、随机采样一致性算法等等,这些算法各有特色,在许多特定的情况下能够解决配准的问题。但是应用最广泛的,影响最大的还是由Besl和Mckay在1992年提出的迭代最近点算法[2](IterativeClosestPoint,ICP),它是基于纯粹几何模型的三维物体对准算法,由于它的强大功能以及高的精确度,很快就成为了曲面配准中的主流算法。随着ICP算法的广泛应用,许多研究者对ICP算法做了详细的研究,分析了该算法的缺陷和特点,提出了许多有价值的改进,推动了这一重要算法的发展。本文着眼于ICP算法的

3、发展历程,详细介绍了ICP算法的基本原理,总结其发展和改进的过程,对于该算法的各个阶段的发展和变化做了简单的论述。2ICP算法原理2.1ICP算法原理ICP算法主要用于三维物体的配准问题,可以理解为:给定两个来至不同坐标系的三维数据点集,找出两个点集的空间变换,以便它们能进行空间匹配。假定用{Pi,i=1,2,…,N}表示空间第一个点集,第二个点集的对齐匹配变换为使下式的目标函数最小[3]。fR,t=i=1N

4、

5、Qi-(RPi+T)

6、

7、2=min(1)ICP算法的实质是基于最小二乘法的最优匹配算法,它重复进行“确定对应

8、关系点集—计算最优刚体变换”的过程,直到某个表示正确匹配的收敛准则得到满足。ICP算法的母的是找到目标点集与参考点之间的旋转R和平移T变换,使得两匹配数据中间满足某种程度度量准则下的最优匹配。假设目标点集P的坐标为{Pi,i=1,2,…,NP}及参考点集Q的坐标为{Qi,i=1,2,…,Nq},在第k次迭代中计算与点集P的坐标相对应的对应点坐标为{Qik,i=1,2,…,NP},计算P与Qk之间的变换矩阵并对原变换进行更新,直到数据间平均距离小于给定值τ9,即满足式(1)最小。具体步骤[4]:(1)在目标点集P中取点集

9、Pik∈P;(2)计算参考点集Q中对应点Qik∈Qk,使Qik-Pik=min;(3)计算旋转矩阵Rk与平移向量Tk,使得i=1nRkPik+Tk-Qik2=min;(4)计算Pk+1={Pik+1=RkPik+Tk,Pik∈P};(5)计算dk+1=1ni=1nPik+1-Qik2;(6)如果dk+1不小于给定的τ返回到(2),直到dk+1<τ或迭代次数大于预设的最大的迭代次数为止。对于ICP的每次迭代,最小化对应点的均方差使得点集Pik更接近Qik,而Qik是Pik在Qi的最近点。这样,每一次迭代就使得Pi更接近于

10、Qi。基于这样的思想,Besl等人证明了ICP算法的收敛性。1.1ICP算法特性分析在三维点集配准的各种应用中,ICP算法的使用非常广泛,这是由于ICP算法有以下优点:l可以获得非常精确的配准效果;l可以处理三维点集、参数曲面等多种形式表达的曲面,也就是说该算法对曲面表示方法独立[5];l不必对待处理的点集进行分割和特征提取;l在较好的初值情况下,可以得到很好的算法收敛性[6]。虽然其得到了广泛的应用,但是对于最初的ICP算法,存在很多的不足之处,主要表现在:l算法假设其中一个点集是另一个点集的子集,也就是说,一个点集

11、必须含在另一个点集中,这一要求在很多时候难以满足;l该算法在搜索对应点的过程中,计算代价非常的大;l在基本的ICP算法中,在寻找对应点的时候,认为欧氏距离最近的点就是对应点,这种假设是比较武断的,它会产生一定数量的错误对应点[7]。针对上面的一些问题,许多研究者提出了ICP算法的各种改进版本。为了说明ICP算法的不同改进版本,有必要将ICP算法分成几个阶段来讨论,在各个阶段的划分,国内外的研究学者也提出了自己的看法。主要的划分方法有,在Rusinkiewicz[8]的文章中,将ICP算法的进行分成了六个阶段,分别为:点

12、集的选择、对应点对的配准、点对的权重确定、特定点对的剔除、误差矩阵的建立、误差矩阵最小化的求解;伍毅[9]则将其分为四个阶段:重采样、空间查找及距离度量、目标度量函数最小化和算法的迭代;Nishino[10]认为,不同的改进方法的差异不过体现在三个方面:配准策略、配准元素和误差度量。通过比较国内外学者提出的各种ICP算法的改进算法

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。