文献类型：期刊文章

作　　者：王明军[1,2] 易芳[1] 李乐[1] 黄朝军[2]

Wang Mingjun;Yi Fang;Li Le;Huang Chaojun(School of Automation and Information Engineering,Xi’an University of Technology,Xi’an 710048,China;School of Physics and Telecommunications Engineering,Shaanxi University of Technology,Hanzhong 723001,China)

机构地区：[1]西安理工大学自动化与信息工程学院,陕西西安710048 [2]陕西理工大学物理与电信工程学院,陕西汉中723001

出　　处：《红外与激光工程》

基　　金：国家自然科学基金重大研究计划培育项目(92052106);国家自然科学基金(61771385);陕西省杰出青年科学基金(2020JC-42);固体激光技术重点实验室开放基金(6142404190301);西安市高校人才服务企业工程项目(GXYD14.26)。

年　　份：2022

卷　　号：51

期　　号：5

起止页码：421-430

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图(FPFH)综合描述每个特征点的局部信息,结合随机抽样一致性(RANSAC)算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。

关 键 词：三维重建 点云配准 迭代最近点算法 快速点特征直方图  自适应局部特征  

分 类 号：TN249]