改进的基于FPFH特征配准点云的方法

被引：40

作者：

马大贺

刘国柱

机构：

[1] 青岛科技大学信息科学技术学院

来源：

计算机与现代化 | 2017年 / 11期

关键词：

巴氏距离; FPFH; 点云特征; 点云配准;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

ICP(Iterative Closest Point)算法是点云配准中最常用的算法,而点云的FPFH(Fast Point Feature Histograms)特征可在点云配准中为其提供初始匹配信息。针对该方法的初始匹配中距离测度等问题,提出一种改进的基于FPFH特征配准点云的方法。点云配准时首先计算2个点云的点的FPFH特征之间的巴氏距离,以k-d树检索巴氏距离最小的对应点,然后利用奇异值分解计算初始转换矩阵,进行ICP算法精细匹配,求得最终变换矩阵。实验结果表明,改进的基于FPFH特征配准点云的方法能为ICP算法提供良好的初始变换矩阵,在同等迭代次数下该方法具有更高的精度。

引用

页码：46 / 50

页数：5

共 10 条

[1]

基于FPFH特征的三维场景重建 [J].

艾达 ;

王苗 ;

倪国斌 .

计算机测量与控制, 2016, 24 (07) :232-236

[2]

改进的ICP点云配准算法 [J].

朱新宇 ;

万剑华 ;

刘善伟 ;

曾喆 .

海洋测绘, 2015, 35 (02) :77-79

[3]

3D点云形状特征的二维主流形描述 [J].

孙晓鹏 ;

王冠 ;

王璐 ;

魏小鹏 .

软件学报, 2015, 26 (03) :699-709

[4]

基于子空间特征向量的三维点云相似性分析 [J].

胡晓彤 ;

王建东 .

红外与激光工程, 2014, (04) :1316-1321

[5]

距离图像局部特征提取方法综述 [J].

郭裕兰 ;

鲁敏 ;

谭志国 ;

万建伟 .

模式识别与人工智能, 2012, 25 (05) :783-791

[6]

一个新的线索KD树并行算法 [J].

焦良葆 ;

陈瑞 ;

张健 .

工程图学学报, 2011, 32 (05) :46-50

[7]

散乱点云数据配准算法 [J].

朱延娟 ;

周来水 ;

张丽艳 .

计算机辅助设计与图形学学报, 2006, (04) :475-481

[8]

Multi-Fourier spectra descriptor and augmentation with spectral clustering for 3D shape retrieval.[J].Atsushi Tatsuma;Masaki Aono.The Visual Computer.2009, 8

[9]

A novel representation and feature matching algorithm for automatic pairwise registration of range images [J].

Mian, AS ;

Bennamoun, M ;

Owens, RA .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2006, 66 (01) :19-40

[10]

Feature extraction based on the Bhattacharyya distance [J].

Choi, E ;

Lee, C .

PATTERN RECOGNITION, 2003, 36 (08) :1703-1709

← 1 →