针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF...针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。展开更多
文摘针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。
