基于混合算法的点云配准方法研究

被引：17

作者：

任伟建 ^{[1
,2
]}

高梦宇 ^{[1
]}

高铭泽 ^{[3
]}

张鹏 ^{[4
]}

刘丹 ^{[5
]}

机构：

[1] 东北石油大学电气信息工程学院

[2] 东北石油大学黑龙江省网络化与智能控制重点实验室

[3] 中国石油管道局工程有限公司设计分公司

[4] 中国海洋石油集团有限公司东方石化有限责任公司

[5] 中国石油天然气股份有限公司辽河油田分公司钻采工艺研究院

来源：

吉林大学学报(信息科学版) | 2019年 / 37卷 / 04期

关键词：

人工萤火虫-粒子群优化算法; 点云配准; ICP算法;

D O I：

10.19292/j.cnki.jdxxp.2019.04.008

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为解决ICP(Iterative Closest Point)算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法(AAGPSO:Adaptive Artificial Glowworm-Particle Swarm Optimization),以使算法的收敛速度变快,解的精度得到提高;其次优化迭代最近点算法(ICP),将已改进的AAGPSO算法引入ICP配准算法中进行点云配准,解决ICP算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO算法在传统ICP算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。

引用

页码：408 / 416

页数：9

共 19 条

[11]

基于独立权重和分级变异策略的粒子群算法 [J].