点云数据精简与配准研究

• 作者: 叶珏磊 周志峰 庞正雅 钱莉
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: K-means聚类 kd-tree 点云精简 点云配准
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 25-28,封2,34
• 页数: 6页
• 分类号: TP301
• 字数: 3440字
• 语种: 中文
• DOI: 10.11907/rjdk.182261

摘要

由于激光雷达等扫描设备得到的点云存在数据量大、数据中掺杂噪声较多等一系列问题,提出一种基于特征点保持的点云精简与配准方法.首先利用K-means算法对所有点云数据聚类,滤除掉噪声点云,再进行精简化处理;随后在精简的基础上用KD-tree对数据进行最近邻搜索以加快对应点查找速度,从而为配准节省一定的时间;最后根据欧氏距离选择合适的初值减少匹配误差.实验结果表明,精简后的点云数据保持了基本特征,一定程度上减少了配准时间和误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱莉	上海工程技术大学机械工程学院	14	32	3.0	5.0
2	周志峰	上海工程技术大学机械工程学院	38	109	5.0	9.0
3	叶珏磊	上海工程技术大学机械工程学院	4	0	0.0	0.0
4	庞正雅	上海工程技术大学机械工程学院	4	0	0.0	0.0