为了提高激光点云的配准精度和效率,解决两片点云之间存在尺度变换的配准问题,提出了一种基于有向包围盒的尺度点云配准算法。首先,分别生成两片点云的空间有向包围盒,利用两个包围盒对应边的比值计算尺度因子。然后,将目标点云包围盒...为了提高激光点云的配准精度和效率,解决两片点云之间存在尺度变换的配准问题,提出了一种基于有向包围盒的尺度点云配准算法。首先,分别生成两片点云的空间有向包围盒,利用两个包围盒对应边的比值计算尺度因子。然后,将目标点云包围盒进行尺度放缩,再利用包围盒对应顶点的关系计算旋转矩阵。同时,引入点云的单位向量和,以单位向量和之间余弦相似度最大为准则,选择正确的旋转矩阵。最后,为了实现精确配准,将尺度因子引入点到面迭代最近点(Iterative Closest Point, ICP)算法中,利用加权最小二乘法求解变换参数。实验结果表明,在点云之间存在数据缺失、噪声干扰和尺度变换的情况下,所提算法可以实现快速精确配准,且具备良好的稳健性。展开更多
采用稀疏阵列进行波达方向(Direction of Arrival,DOA)估计时往往会产生虚拟孔洞,它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关,故较难对其进行预填充。为此,提出了一种基于平行稀疏...采用稀疏阵列进行波达方向(Direction of Arrival,DOA)估计时往往会产生虚拟孔洞,它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关,故较难对其进行预填充。为此,提出了一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法,利用双稀疏线阵扩展生成两个不同的虚拟阵列,并利用其中一阵的信息去填充另一阵的孔洞。为尽可能减少总阵元数目,采用提前计算的孔洞位置去设计另一阵列的排布规则,并通过求根多重信号分类(Root-Mutiple Signal Classification,Root-MUSIC)算法替代传统的二维谱峰搜索算法完成对入射角度的估计与自动匹配。实验仿真结果验证了所提算法相比传统算法能以更少的阵元获得更高的估计精度。展开更多
文摘为了提高激光点云的配准精度和效率,解决两片点云之间存在尺度变换的配准问题,提出了一种基于有向包围盒的尺度点云配准算法。首先,分别生成两片点云的空间有向包围盒,利用两个包围盒对应边的比值计算尺度因子。然后,将目标点云包围盒进行尺度放缩,再利用包围盒对应顶点的关系计算旋转矩阵。同时,引入点云的单位向量和,以单位向量和之间余弦相似度最大为准则,选择正确的旋转矩阵。最后,为了实现精确配准,将尺度因子引入点到面迭代最近点(Iterative Closest Point, ICP)算法中,利用加权最小二乘法求解变换参数。实验结果表明,在点云之间存在数据缺失、噪声干扰和尺度变换的情况下,所提算法可以实现快速精确配准,且具备良好的稳健性。
文摘采用稀疏阵列进行波达方向(Direction of Arrival,DOA)估计时往往会产生虚拟孔洞,它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关,故较难对其进行预填充。为此,提出了一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法,利用双稀疏线阵扩展生成两个不同的虚拟阵列,并利用其中一阵的信息去填充另一阵的孔洞。为尽可能减少总阵元数目,采用提前计算的孔洞位置去设计另一阵列的排布规则,并通过求根多重信号分类(Root-Mutiple Signal Classification,Root-MUSIC)算法替代传统的二维谱峰搜索算法完成对入射角度的估计与自动匹配。实验仿真结果验证了所提算法相比传统算法能以更少的阵元获得更高的估计精度。
