科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的迭代最近点(Iterative Closest Point, ICP)算法对点云配准产生初始位置敏感，易陷入局部最优，采用群智能优化算法可以有效解决这一问题，但同时会带来计算量较大、搜索效率不高的问题。为此，该文提出了一种二阶振荡的人工蜂群算法点云配准方法，通过对输入点云的均匀采样，并基于邻域半径约束的固有形状特征点(Intrinsic Shape Signature, ISS)提取简化点云，通过改进的二阶振荡人工蜂群算法完成对点云较好的初始配准，得到空间变换矩阵参数。最后通过近邻搜索法(k-Dimension tree, k-d tree)加速对应点查找，以提高点云ICP精细配准的效率。通过对不同初始位置的点云库模型和场景数据进行的配准实验表明，相比传统的配准方法和改进的群智能优化策略，该算法抗噪性好，配准精度高，鲁棒性强。
- 出版日期2023
- 单位南京旅游职业学院
