基于关键点匹配的点云自动配准方法研究

发布时间：2024-07-02 19:16

　　近年来,人工智能和物联网技术的迅猛发展,带动了各领域的大变革,如工业上的智能制造、医学上的智慧医疗、城市规划上的智慧城市和人们生活中的智慧家居等。在各智能系统中计算机视觉技术起着至关重要的作用。而三维点云配准技术是计算机视觉领域的重要技术之一,该技术主要应用于物体或场景的自动化三维重建。在智能应用需求不断增加的背景下,对三维点云配准技术进行深入的研究具有重要的意义。虽然国内外学者在该领域已提出了众多不同的技术方法,但在大多实际应用中主要依赖于经典的最近点迭代(Iterative Closest Point,ICP)法,其通过搜寻待配准点云每点在目标点云上的最近对应点来获得相应的变换参数,并不断地迭代该过程来完成点云配准。但ICP算法对准点云间的初始位置具有较强的依赖性,当两点云数据初始位置较差时,使用ICP算法,其收敛速度较慢且容易收敛到局部最优,这也是导致配准效率和精度下降的重要原因。本文正是基于ICP配准方法进行了深入的研究,并提出了一些改进的策略。本文的主要研究内容如下:首先,本文提出了基于体素下采样和关键点提取的方法。针对解决ICP算法对初始位置依赖问题,采用在ICP算法前对原...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景及应用前景
        1.1.1 课题研究意义
        1.1.2 课题的应用前景
    1.2 点云配准技术研究现状分析
        1.2.1 非自动配准方法研究现状
        1.2.2 自动配准方法研究现状
    1.3 主要研究内容
    1.4 本文的组织结构
第2章 点云配准的基本概念及基础模型
    2.1 引言
    2.2 三维点云数据
        2.2.1 三维点云数据的基本概念
        2.2.2 三维点云数据的获取
        2.2.3 点云数据的排列结构
    2.3 三维点云配准技术基础理论
        2.3.1 点云配准的定义
        2.3.2 点云的刚体变化
        2.3.3 刚体变换矩阵的求解
    2.4 本章小结
第3章 基于体素下采样和关键点提取的算法研究
    3.1 引言
    3.2 体素下采样素算法
    3.3 关键点的提取
        3.3.1 点云的邻域
        3.3.2 常用的关键点提取算法
        3.3.3 本文关键点提取方法
    3.4 实验仿真
        3.4.1 仿真环境和实验数据
        3.4.2 体素下采样实验
        3.4.3 关键点提取实验分析
    3.5 本章小结
第4章 基于错误关键点匹配对剔除的配准算法研究
    4.1 引言
    4.2 点云的粗配准
        4.2.1 点的快速直方图(FPFH)描述子
        4.2.2 错误匹配点对的剔除
        4.2.3 随机采样一致性配准算法
    4.3 点云的精确配准
        4.3.1 ICP精确配准算法
        4.3.2 kd-tree搜索算法
    4.4 实验分析
        4.4.1 仿真环境与实验数据
        4.4.2 点云配准的评价标准
        4.4.3 初始配准算法实验
        4.4.4 精确配准实验分析
    4.5 本章小结
第5章 总结与展望
    5.1 本文总结
    5.2 未来工作展望
参考文献
致谢
攻读学位期间取得的科研成果清单



本文编号：3999888