文献类型：期刊文章

作　　者：任伟建[1,2] 高梦宇[1] 高铭泽[3] 张鹏[4] 刘丹[5]

REN Weijian;GAO Mengyu;GAO Mingze;ZHANG Peng;LIU Dan(School of Electrical Information Engineering,Northeast Petroleum University,Daqing 163318,Heilongjiang Province;Key Laboratory of Network and Intelligent Control,Northeast Petroleum University,Heilongjiang Daqing 163318;China Petrileum Piperline Bureau,China Petroleum Pipeline Engineering Corporation Limited,Langfang 065000,China;China National Offshore Oil Corporation Limited,CNOOC Dongfang Petrochemical Corporation Limited,Dongfang 572600,China;D&P Technology Research Institute,Petrochina Liaohe Oil Field Company,Panjin 124010,China)

机构地区：[1]东北石油大学电气信息工程学院,黑龙江大庆163318 [2]东北石油大学黑龙江省网络化与智能控制重点实验室,黑龙江大庆163318 [3]中国石油管道局工程有限公司设计分公司,河北廊坊065000 [4]中国海洋石油集团有限公司东方石化有限责任公司,海南东方572600 [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,辽宁盘锦124010

出　　处：《吉林大学学报（信息科学版）》

基　　金：国家自然科学基金资助项目(61374127);黑龙江省科学基金资助项目(F2018004)

年　　份：2019

卷　　号：37

期　　号：4

起止页码：408-416

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、ZGKJHX、普通刊

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。

关 键 词：人工萤火虫-粒子群优化算法  点云配准 ICP算法

分 类 号：TP391]