-
题名双重下采样增强的点云改进配准算法研究
被引量：7
- 1
-
-
作者
陈仲生
李潮林
左旺
侯幸林
-
机构
常州工学院汽车工程学院
湖南工业大学电气与信息工程学院
-
出处
《汽车工程》
EI
CSCD
北大核心
2023年第4期572-578,共7页
-
基金
国家自然科学基金(62101074)资助。
-
文摘
自动驾驶领域对点云配准实时性要求高,而已有ICP算法及其变体存在对初始位姿要求高、配准速度慢等问题。鉴于此,本文提出了一种改进的快速点云配准方法,首先采用双重下采样方法对初始点云数据进行预处理,在保留原始特征的同时快速降低点云数据量,然后引入内部形状描述子(ISS)来优化超级全等四点集(Super4PCS)算法,降低其时间复杂度,最后选用线性最小二乘优化ICP算法进行快速精配准。采用斯坦福点云数据和自动驾驶Kitti点云数据对该算法有效性进行了测试和对比验证,结果表明:该算法具有良好的鲁棒性,且配准精度和配准速度均比已有算法有明显提高。
-
关键词
点云配准
双重下采样
ISS特征
Super4PCS
ICP算法
-
Keywords
point cloud registration
double down-sampling
ISS
Super4PCS
ICP
-
分类号
U463.6
[机械工程—车辆工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
