此类算法中最为著名的是ICP(Iterative Closest Point)算法[6],但该算法只适用于存在明确对应关系的点集,并且计算速度慢。为此,在其他传统ICP算法[7]的基础之上,提出基于KDTree[8]的改进ICP算法,包括基于KDTree搜索对应点对和矩阵变换参数的计算两方面的内容。 3.1 传统ICP配准算法 基本思路:在对应点云中搜寻最邻近...
基于KDTree 改进的 ICP 算法在点云配准中的应用研究 郭俊辉 【摘要】在三维激光点云数据配准的过程中,利用传统 Iterative Closest Point(ICP)算法搜索对应点对时速度慢,而且配准精细化程度低,远达不到 三维建模后期处理的要求。针对这一问题,提出一种基于 KDTree 改进的 ICP 算法以实现激光点云数据的快速精细化...
针对这一问题,提出一种基于KDTree改进的ICP算法以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性,为后期模型重建过程中的三角网格化、曲面化、纹理映射提供强有力的理论和实践基础。 关键词: 激光点云;ICP算法;KDTree;曲面化 DOI: 10.3969/j.issn.1674-7720.2015.14.025 被引量: 6 ...
在三维激光点云数据配准的过程中,利用传统Iterative Closest Point(ICP)算法搜索对应点对时速度慢,而且配准精细化程度低,远达不到三维建模后期处理的要求。针对这一问题,提出一种基于KDTree改进的ICP算法以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性,为后期模型重建过程中的三角网格化、曲面化...
摘要: 在三维激光点云数据配准的过程中,利用传统Iterative Closest Point(ICP)算法搜索对应点对时速度慢,而且配准精细化程度低,远达不到三维建模后期处理的要求。针对这一问题,提出一种基于KDTree改进的ICP算法以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性,为后期模型重建过程中的三角网格化、...
在点云配准过程中,为了提高点云的配准精度,针对ICP算法对于初始位姿的局限性,对点云数据进行Super4PCS+ICP的"先粗后精"处理.首先利用KDTree树搜索对应点,用局部区域的特征度确定特征点集,再使用Super4PCS算法实现粗配准.针对精配准提出KDTree树来加快速度,SVD求解对应点参数,常数为1的加权平均,求解误差函数等手段...