文献类型：期刊文章

作　　者：王嘉琛[1] 叶周润[1] 欧鑫[2] 袁斌[3] 吴言安[3] 张树峰[3]

WANG Jiachen;YE Zhourun;OU Xin;YUAN Bin;WU Yan’an;ZHANG Shufeng(School of Civil and Hydraulic Engineering,Hefei University of Technology,Hefei 230009,China;China-Malaysia Industrial Park(Guangxi)Digital City Technology Co.,Ltd.,Qinzhou 535008,China;Anhui Kaiyuan Highway and Bridge Co.,Ltd.,Hefei 230093,China)

机构地区：[1]合肥工业大学土木与水利工程学院,安徽合肥230009 [2]广西中马园区数字城市科技有限公司,广西钦州535008 [3]安徽开源路桥有限责任公司,安徽合肥230093

出　　处：《合肥工业大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(42074011);国家自然科学基金青年科学基金资助项目(42204052);安徽省自然科学基金资助项目(2008085MD115);大地测量与地球动力学国家重点实验室开放研究基金资助项目(SKLGED2022-1-4)。

年　　份：2023

卷　　号：46

期　　号：11

起止页码：1501-1505

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统串行精配准算法在海量点云数据配准时计算效率低的问题,文章利用图形处理器(graphics processing unit,GPU)的多线程计算能力将传统算法并行化,基于GPU实现并行化的统一计算设备架构迭代最近点(compute unified device architecture iterative closest point,CUDAICP)算法。首先采用粗配准方法对源点云进行旋转平移,得到源点云的初始位置,再将其与目标点云输入CUDAICP算法进行精配准;对房间点云、带有楼梯的房间点云2种场景点云数据进行配准实验。结果表明:在粗配准中,采样一致性初始配准(sample consensus initial alignment,SAC-IA)算法在不同场景下具有较好的效果;在精配准中,CUDAICP算法与传统迭代最近点(iterative closest point,ICP)算法相比,在保证精度的同时,速度提升最高可达8.2倍。

关 键 词：粗配准  统一计算设备架构(CUDA)  迭代最近点(ICP)算法  精配准  点云配准

分 类 号：P237]