点云配准是基于机器视觉进行工业复杂零件三维非接触精密测量的关键环节。为了提高点云配准的效率和准确性,提出一种基于改进法线计算的快速点特征直方图(Fast Point Feature Histograms, FPFH)特征描述子的点云配准方法。采用重心最近...点云配准是基于机器视觉进行工业复杂零件三维非接触精密测量的关键环节。为了提高点云配准的效率和准确性,提出一种基于改进法线计算的快速点特征直方图(Fast Point Feature Histograms, FPFH)特征描述子的点云配准方法。采用重心最近邻体素滤波器对点云进行预处理,减少点的数量同时保留表面细微特征。为解决传统迭代最近点(Iterative Closest Point, ICP)算法对初始位置敏感且收敛速度慢的问题,采用基于改进特征描述子的采样一致性(Sample Consensus Initial Alignment, SAC-IA)初始配准算法进行粗配准,使用基于KDtree加速的ICP算法进行精配准。本文选用三组点云数据,用不同的点云配准方法进行了测试。实验结果显示,在点云添加2%与5%噪声的情况下处理不同规模的点云数据时,所提出的方法配准所用时间和均方根误差(Root Mean Square Error, RMSE,ERMS)仍优于其它两种对比方法。展开更多
激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(F...激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(Fast Point Feature Histograms, FPFH)提取关键点特征,嵌入多核多线程并行处理模式(OpenMP)提高特征提取速度;然后基于提取的FPFH特征,使用采样一致性初始配准算法(Sample Consensus Initial Alignment, SAC-IA)进行相似特征点粗配准,获取点云集间的初始旋转平移变换矩阵;最后采用ICP算法进行精配准,同时采用最优节点优先(Best Bin First, BBF)优化K-D tree近邻搜索法来加速对应关系点对的搜索,并设定动态阈值消除错误对应点对,提高配准快速性和准确性。对两个实例的配准点云进行了实验验证,结果表明,提出的优化配准算法具有明显速度优势和精度优势。展开更多
