针对经典ICP(iterative closest point)算法迭代速度慢、存在误配准点对、鲁棒性不强的问题,利用距离约束函数、kd-tree加速迭代以及CPC(closest point crirterion)三约束方法对算法进行改进。首先利用点到最近三点组成的面的垂足作为...针对经典ICP(iterative closest point)算法迭代速度慢、存在误配准点对、鲁棒性不强的问题,利用距离约束函数、kd-tree加速迭代以及CPC(closest point crirterion)三约束方法对算法进行改进。首先利用点到最近三点组成的面的垂足作为最近点,对算法进行了分类约束改进,剔除了点落在面外造成虚假配准的情况,从而提高迭代精度;然后通过kd-tree算法加速搜索点对过程,减少算法的运行时间;最后通过对CPC中存在的几何约束对配准点集进行错误点对剔除,增强了自动配准技术的鲁棒性和抗噪声能力。实验结果表明,与经典ICP算法相比,改进后的ICP算法在配准精度和时间上有所提高,而且能够有效剔除部分误配准点对,增强了算法的鲁棒性。展开更多
文摘针对经典ICP(iterative closest point)算法迭代速度慢、存在误配准点对、鲁棒性不强的问题,利用距离约束函数、kd-tree加速迭代以及CPC(closest point crirterion)三约束方法对算法进行改进。首先利用点到最近三点组成的面的垂足作为最近点,对算法进行了分类约束改进,剔除了点落在面外造成虚假配准的情况,从而提高迭代精度;然后通过kd-tree算法加速搜索点对过程,减少算法的运行时间;最后通过对CPC中存在的几何约束对配准点集进行错误点对剔除,增强了自动配准技术的鲁棒性和抗噪声能力。实验结果表明,与经典ICP算法相比,改进后的ICP算法在配准精度和时间上有所提高,而且能够有效剔除部分误配准点对,增强了算法的鲁棒性。
