基于改进ICP算法的点云配准研究-论文.pdf

《基于改进ICP算法的点云配准研究-论文.pdf》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、16学术研究测绘技术装备第17卷2015年第2期基于改进ICP算法的点云配准研究周萍’卞士挺章程’(1．61175部队江苏南京210049；2．65549部队辽宁鞍山114000)摘要：引入了基于点的曲率相似度度量的点云初匹配，提出了基于kd-tree和随机平均采样的改进ICP算法，完成了点云的精配准。通过实验验证了改进ICP算法在效率上的明显提高及精度上的稳定性。关键词：点云ICPkd—tree配准1引言变对应点的关系，改变的只是对应点对的数量。所目前国内外主流的精配准算法是由Besl在1992以本文采用最基本的随机均匀采样原则，但没有

2、限年提出的迭代最近点(IterativeClosestPoint，ICP算法Ⅲ。由于基本ICP算法的缺陷以及改进方定比例值，在实现的程序中可以直接输入采样的点向，所以有必要对ICP算法划分几个阶段，来说明数。ICP算法的不同改进版本瞳叫。本文把ICP分为五个另外，ICP算法效率不高的原因在于，每次迭代阶段：点集的选择、目标函数的选择、搜索策略的都要对中所有点在Qt中搜索其欧氏距离的最短选择、点对的剔除、变换矩阵的求解。国内外学者分别从这五个方面提出不同的见解和改进方法1。点，那么建立良好的索引方法，对提高ICP算法的本文将从点集选择、搜索

3、策略、点对剔除等三个方效果有着明显的作用。基于kd—tree的改进ICP算面提出改进方法，并用实验评估改进的效果法效率已经得到很多人的验证，本文亦将这一改进2改进的ICP算法配准引入到算法中。由于基本ICP算法要求待配准的两片点云对应最后，在选取对应点对的方法中，本文采用欧的实际模型表面必须存在包含关系，而实际我们获氏距离的最近点，并基于曲率相似度来进行点对的得的多视角点云通常是部分重叠，不满足ICP迭代。筛选。为此，在利用ICP算法进行两片点云的精配准时，改进ICP算法实现步骤为(流程图见图l所示)：首先要构造参与ICP算法的有效初始点

4、集，然后对第1步读取N}~Af~Pt点集内的点进行迭代，完成两片点云的精配准。简，参考点集，对单地说ICP算法是基于重叠区域在两片点云中形成建立KD—Tree，从I~}~ANPtN_}YLN~N个点，记’的点对来完成两片点云的配准。经过初匹配的两片．点集，一是为ICP算法提供了良好的初始位置，二第2步计算’中的每一点到Qt中每一点是为构造有效初始点集提供了条件。qj的距离KD—Yree遍历搜索到Qf距离最短的点，本文利用的方法是最小包围盒法，即先求得点作为匹配点对，并计算匹配点对的曲率相似度：云尸的最小包围盒，遍历点云Q上所有的点判断是否

5、在包围盒内，便可求得在尸上的重叠点，同理可以求得(=)在P上的重叠点。通过上述的过程我们便可以得到两片点云的重叠区域，即得到有效初始点集、Qt。鉴于对传统ICP的阐述、验证，本文数；从以下几方面对ICP算法改进：第2步利用选取的点对，)计算出首先，从ICP算法的实现过程来看，算法的精两个点集的变换参数、，并更新’，计算度不在于参与配准点对数目的多少，而在于选取点dPt．_·+Tdk一lIPf—Q．．对的精度，因此我们没有必要将Pf中的每一点都在第3步判断eI一dI是否在限定的阈值et中搜索其最近点，来得到配准点对。如果在点集内，若，则得到

6、变换参数尺、T。若，Pf中降采样，在整个Qt集中寻找对应点，则不会改返回第2步，盲到占或大于预设的迭代次数为