首页 > 论文 > 激光与光电子学进展 > 54卷 > 1期(pp:11003--1)

基于曲率特征的迭代最近点算法配准研究

Iterative Closest Point Algorithm Registration Based on Curvature Features

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

在三维激光扫描技术中, 点云数据配准技术直接影响后期建模质量。点云配准主流算法为迭代最近点(ICP)算法, 该算法能自动、高精度配准, 也具有时间空间复杂度较大、收敛缓慢、易匹配错误对应点等缺点。将基于曲率极值的算法与ICP算法相结合, 对曲率特征明显的点云模型进行配准。从算法收敛效率、抗噪性及点云初始位置优劣对算法的影响三方面设计实验, 并与经典ICP算法及其他改进算法进行对比。结果表明, 该算法对于曲率变化明显的点云数据表现出的收敛效率高于其他算法, 对于质量较差的初始数据, 该算法收敛稳定性较强。

Abstract

Point cloud registration plays an important role in three-dimensional laser scanning technology as it affects modeling quality directly. The iterative closest point (ICP) algorithm is widely used in point cloud registration because it can register the point cloud automatically and accurately. But the ICP algorithm is complex in time and space, slow convergence and easy incorrect matching. The ICP algorithm and the curvature extremum algorithm are combined as a new algorithm to process point clouds with apparent curvature features. Experiments are conducted concerning effect of convergence efficiency, robustness and quality of initial data on the new algorithm, and the results of the classic ICP algorithm and other modified ICP algorithms are compared. The results show that the proposed algorithm has high convergence efficiency for point clouds with apparent curvature features and good convergence stability for worse initial data.

补充资料

中图分类号:P232

DOI:

所属栏目:图像处理

基金项目:国家自然科学基金 (51504239)

收稿日期:2016-08-05

修改稿日期:2016-09-26

网络出版日期:2016-12-26

作者单位    点击查看

曾繁轩:中国矿业大学环境与测绘学院, 江苏 徐州 221116
李 亮:中国矿业大学环境与测绘学院, 江苏 徐州 221116
刁鑫鹏:中国矿业大学环境与测绘学院, 江苏 徐州 221116

联系人作者:曾繁轩(xuange92@163.com)

备注:曾繁轩(1992—), 男, 硕士研究生, 主要从事地面三维激光扫描方面的研究。

【1】Besl P J, Mckay N D. Method for registration of 3D shapes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992, 14(2): 239-256.

【2】Mitra N J, Gelfand N, Pottmann H, et al。 Registration of point cloud data from a geometric optimization perspective[C]。 Proceedings of Eurographics Symposium on Geometry Processing, 2013: 22-31。

【3】Fitzgibbon A W。 Robust registration of 2D and 3D point sets[J]。 Image and Vision Computing, 2003, 21(13-14): 1145-1153。

【4】Li W M, Song P F. A modified ICP algorithm based on dynamic adjustment factor for registration of point cloud and CAD model[J]. Pattern Recognition Letters, 2015, 65: 88-94.

【5】Jost T, Hugli H. A multi-resolution ICP with heuristic closest point search for fast and robust 3D registration of range images[C]. Proceedings of IEEE International Conference on 3D Digital Imaging and Modeling, 2003: 427-433.

【6】Gelfand N, Rusinkiewicz S, Ikemoto L, et al。 Geometrically stable sampling for the ICP algorithm[C]。 Proceedings of IEEE International Conference on 3D Digital Imaging and Modeling, 2003: 260-267。

【7】Guehring J. Reliable 3D surface acquisition, registration and validation using statistical error models[C]. Proceedings of IEEE International Conference on 3D Ditial Imaging and Modeling, 2001: 224-231.

【8】Rusinkiewicz S, Levoy M. Efficient variants of the ICP algorithm[C]. Proceedings of IEEE International Conference on 3D Digital Imaging and Modeling, 2001: 145-152.

【9】Tao Haiji, Da Feipeng. Automatic registration algorithm for the point clouds based on the normal vector[J]. Chinese J Lasers, 2013, 40(8): 0809001.
陶海跻, 达飞鹏. 一种基于法向量的点云自动配准方法[J]. 中国激光, 2013, 40(8): 0809001.

【10】Chen Y, Medioni G。 Object modeling by registration of multiple range images[J]。 Image and Vision Computing, 1992, 10(3): 145-155。

【11】Woo H, Kang E, Wang S, et al. A new segmentation method for point cloud data[J]. International Journal of Machine Tools and Manufacture, 2002, 42(2): 167-178.

【12】Yang M, Lee E. Segmentation of measured point data using a parametric quadric surface approximation[J]. Computer-Aided Design, 1999, 31(7): 449-457.

【13】Wei Shengbin, Wang Shaoqing, Zhou Changhe, et al. An iterative closest point algorithm based on biunique correspondence of point clouds for 3D reconstruction[J]. Acta Optica Sinica, 2015, 35(5): 0515003.
韦盛斌, 王少卿, 周常河, 等. 用于三维重建的点云单应性迭代最近点配准算法[J]. 光学学报, 2015, 35(5): 0515003.

【14】Zhao Mingbo, He Jun, Luo Xiaobo, et al. Two-viewing angle ladar data registration based on improved iterative closest-point algorithm[J]. Acta Optica Sinica, 2012, 32(11): 1128007.
赵明波, 何 峻, 罗小波, 等. 基于改进迭代最近点算法的两视角激光雷达数据配准[J]. 光学学报, 2012, 32(11): 1128007.

【15】An Dong, Gai Shaoyan, Da Feipeng. A new model of three- dimensional shape measurement system based on fringe projection[J]. Acta Optica Sinica, 2014, 34(5): 0512004.
安 东, 盖绍彦, 达飞鹏. 一种新的基于条纹投影的三维轮廓测量系统模型[J]. 光学学报, 2014, 34(5): 0512004.

【16】Huang Yuan, Da Feipeng, Tao Haiji. An automatic registration algorithm for point cloud based on feature extraction[J]. Chinese J Lasers, 2015, 42(3): 0308002.
黄 源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.

引用该论文

Zeng Fanxuan,Li Liang,Diao Xinpeng. Iterative Closest Point Algorithm Registration Based on Curvature Features[J]. Laser & Optoelectronics Progress, 2017, 54(1): 011003

曾繁轩,李 亮,刁鑫鹏. 基于曲率特征的迭代最近点算法配准研究[J]. 激光与光电子学进展, 2017, 54(1): 011003

被引情况

【1】朱炳斐,陈文建,李武森,张峻乾. 基于Fourier-Mellin变换的液晶显示屏显示缺陷检测. 激光与光电子学进展, 2017, 54(12): 121502--1

【2】张哲,许宏丽,尹辉. 一种基于关键点选择的快速点云配准算法. 激光与光电子学进展, 2017, 54(12): 121002--1

【3】张帆,陈相廷,张新红. 数字减影血管造影的影像血管狭窄亚像素级自动检测算法. 激光与光电子学进展, 2018, 55(4): 41101--1

【4】赵夫群,耿国华. 基于特征点的秦俑断裂面匹配方法. 激光与光电子学进展, 2018, 55(4): 41005--1

【5】王涛,张明皓,郭玲,李文良,姚建铨,赵彦良,曹兴国,蔡军,李玉翔. 基于自由曲面光学的双模态生物医学成像研究. 激光与光电子学进展, 2018, 55(4): 41102--1

【6】陈旭,何炳蔚. 一种基于校正点云主成分坐标系的快速全局配准算法. 激光与光电子学进展, 2018, 55(6): 61003--1

【7】姜明星,胡敏,王晓华,任福继,王浩文. 视频序列中表情和姿态的双模态情感识别. 激光与光电子学进展, 2018, 55(7): 71004--1

【8】石珣,任洁,任小康,任进军,袁芝丰. 基于曲率特征的漂移配准方法. 激光与光电子学进展, 2018, 55(8): 81008--1

【9】田茂义,王延存,俞家勇,贺岩,曹岳飞,吕德亮,胡善江,杨忠,朱霞,石先高. 机载激光测深系统与船载移动测量系统数据配准方法研究. 激光与光电子学进展, 2018, 55(8): 82802--1

【10】张琦,蔺素珍,白佳璐,钟家让. 基于改进曲线收缩流方法的点云张开孔洞的虚拟修补. 激光与光电子学进展, 2018, 55(9): 91002--1

【11】王畅,舒勤,杨赟秀,陈蔚. 利用结构特征的点云快速配准算法. 光学学报, 2018, 38(9): 911005--1

【12】刘美菊,王旭东,李凌燕,高恩阳. 改进的RANSAC算法在三维点云配准中的应用. 激光与光电子学进展, 2018, 55(10): 101104--1

【13】刘鸣,舒勤,杨赟秀,袁菲. 基于独立成分分析的三维点云配准算法. 激光与光电子学进展, 2019, 56(1): 11203--1

【14】唐志荣,刘明哲,王畅,蒋悦. 基于多维混合柯西分布的点云配准. 光学学报, 2019, 39(1): 115005--1

【15】黄会明,刘桂华,段康容. 基于微振镜结构光投射器的机器人抓取. 中国激光, 2019, 46(2): 204002--1

【16】吴礼洋,凌粼,贾方超,杜少毅,胡智勇. 基于控制点一致性约束的点集仿射配准算法. 激光与光电子学进展, 2019, 56(9): 91008--1

【17】柴双武,杨晓琴. 基于对偶四元数构建的直线基元点云拼接方法. 光学学报, 2019, 39(12): 1228006--1

【18】杨小艳. 基于对称Kullback-Leibler散度的点集配准方法. 激光与光电子学进展, 2020, 57(8): 81022--1

【19】汤慧,周明全,耿国华. 基于扩展的点特征直方图特征的点云匹配算法. 激光与光电子学进展, 2019, 56(24): 241503--1

【20】王康,吕彦明,袁飞,刘东帅,杨华. 激光测量点云数据补偿和位姿匹配的研究. 激光与光电子学进展, 2020, 57(6): 62802--1

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF

山东11选5开奖 上海11选5走势 上海11选5计划 上海11选5计划 广西快3 淘彩票计划群 淘彩票计划群 东升彩票计划群 上海快3走势图 第1彩票计划群