基于多尺度特征及点距离约束的点云配准

• 作者: 张旭春 周洪军 郑津津 金一
• 来源期刊: 激光与光电子学进展
• 学科: 工学
• 关键词: 机器视觉 点云配准 快速点特征直方图 迭代最近点 欧氏距离
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 机器视觉|Machine Vision
• 页码范围: 325-333
• 页数: 9页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3788/LOP202158.2415004

摘要

已有匹配算法对低重叠度点云的配准精度较低,且对不同尺度的点云比较敏感,为了达到较好的配准效果,需要对点云进行预处理或调节较多参数.快速点特征直方图(FPFH)的复杂度较低,且能保留点云的大部分特征,因此,基于点云的FPFH提出了一种改进的配准算法.首先,基于FPFH提取多尺度特征的关键点,以适应不同规模的点云数据集,同时降低需要调节的参数量.然后,对经过FPFH匹配初步筛选的对应点关系进行精确提取,增加点云内的距离约束条件,降低算法对重叠度的敏感性,获取配准的初步变换矩阵.最后,经过迭代最近点算法进行微调,达到精确配准的目的 .实验结果表明,该算法在不同重叠度以及不同规模的点云数据集上均具有较好的配准精度.