基于卷积神经网络的点云配准方法

发布时间：2018-02-05 19:06

  本文关键词： 图像处理 点云配准 深度学习 卷积神经网络 深度图像　出处：《激光与光电子学进展》2017年03期 　论文类型：期刊论文

【摘要】：点云配准是三维点云信息处理中的重要问题。传统点云配准方法计算量大,不利于实时计算与移动计算。针对传统点云配准方法存在的问题,提出了一种利用卷积神经网络进行点云配准的方法。首先计算点云的深度图像,利用卷积神经网络提取深度图像对的特征差,将深度图像对的特征差作为全连接网络的输入并计算点云配准参数,迭代地执行上述操作直至配准误差小于可接受阈值。实验结果表明,相比传统的点云配准方法,基于卷积神经网络的点云配准方法具有所需计算量小、配准效率高、对噪声点和异常点不敏感的优点。
[Abstract]:Point cloud registration is an important problem in 3D point cloud information processing. The traditional point cloud registration method has a large amount of computation, which is not conducive to real-time calculation and movement calculation. A method of point cloud registration using convolution neural network is proposed. Firstly, the depth image of point cloud is calculated, and the feature difference of depth image pair is extracted by convolution neural network. The feature difference of the depth image pair is used as the input of the fully connected network and the point cloud registration parameters are calculated. The above operation is performed iteratively until the registration error is less than the acceptable threshold. Compared with the traditional point cloud registration method, the point cloud registration method based on convolution neural network has the advantages of less computation, higher registration efficiency and insensitivity to noise points and outliers.
【作者单位】： 北京航空航天大学电子信息工程学院;河北远东通信系统工程有限公司;
【基金】：上海航天创新基金SAST(2015090)
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 叶爱芬;龚声蓉;王朝晖;刘纯平;;基于随机分布估计的点云密度提取[J];计算机工程;2009年04期

2 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

3 孟凡文;吴禄慎;;用继承与优化算法精密拼接无序点云[J];光学精密工程;2009年04期

4 李海亮;邓非;李刚;;摄影测量激光点云空洞修补[J];测绘科学;2010年05期

5 张晶;杨云生;丰少伟;;基于点云法矢变化的点云简化方法研究[J];计算机与数字工程;2011年12期

6 李晓久;景晓宁;;基于非接触式测量的人体点云简化方法[J];纺织学报;2012年07期

7 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

8 范然;金小刚;;大规模点云选择及精简[J];图学学报;2013年03期

9 李伟;李旭东;赵慧洁;张颖;;基于姿态标准化的线特征点云提取方法[J];北京航空航天大学学报;2013年08期

10 钱伟春;3DSMAX中动态云的制作[J];多媒体世界;1999年03期

相关会议论文 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

相关重要报纸文章 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

相关博士学位论文 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 段敏燕;机载激光雷达点云电力线三维重建方法研究[D];武汉大学;2015年

7 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

8 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

9 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

10 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

相关硕士学位论文 前10条

1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年

2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年

3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年

8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年

9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年

10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年

，

本文编号：1492513