点云数据精简与配准研究
发布时间：2021-04-07 13:30
由于激光雷达等扫描设备得到的点云存在数据量大、数据中掺杂噪声较多等一系列问题,提出一种基于特征点保持的点云精简与配准方法。首先利用K-means算法对所有点云数据聚类,滤除掉噪声点云,再进行精简化处理;随后在精简的基础上用KD-tree对数据进行最近邻搜索以加快对应点查找速度,从而为配准节省一定的时间;最后根据欧氏距离选择合适的初值减少匹配误差。实验结果表明,精简后的点云数据保持了基本特征,一定程度上减少了配准时间和误差。
【文章来源】：软件导刊. 2019,18(06)
【文章页数】：6 页
【部分图文】：
聚类过程1.2点云去噪
骄嗬耄??k-1个欧式距离的平均值，记为该点的K邻近点距离di；③计算所有pi的K邻近点距离的均值μ=1Ni=1Ndi和标准方差σ=1Ni=1N（di-μ）2；④通过均值和标准方差共同决定阈值，当点的K邻近距离比阈值大时则判断为噪声点。1.3点云精简随着市场上激光雷达扫描系统扫描速度和精度的迅猛发展，快速获取目标物体的高精度海量点云已不是问题。但是如果直接对海量数据进行点云重建，会因为数据量密集而影响处理效率，严重阻碍特征信息的提龋为加图1K-means聚类流程··26
氏距离选择合适的初值减少匹配误差。算法流程：①减少初始点云数据量，读取精简后的目标点集Xt和参考点集Yt，并对Yt建立KD-Tree；②通过点的曲率特征，从目标点集Xt随机选取N个特征点记为X′t；③计算特征点集X′t中的每一点xi到Yt中每一点yj的距离，找出xi到Yt距离最短的点yj作为匹配点对，并计算匹配点对的曲率相似度；④根据最小二乘法计算得到的旋转和平移矩阵，进行特征点坐标转换；⑤迭代直到满足误差最小为止。坐标系旋转变换原理如图3所示。设目标点集Xt里某一点在XOY坐标系下的坐标为(x?y)，直角坐标系旋转θ角度后在X′OY′坐标系下的坐标为(x1?y1)，通过点(x?y)和旋转角度可得到x1、y1的值。{x1=xcosθ+ysinθy1=ycosθ+xsinθ（2）图3坐标系旋转变换3实验结果及分析本文基于Windows7系统进行实验平台搭建，首先在Windows下安装VMware-workstation并在虚拟机VMWare上运行Ubuntu14.04，然后在Ubuntu14.04下安装一些必要的环境工具，如CMAKE、QT、VTK、boost库等，最后安装PCL1.8.1、MicrosoftVisualStudio2013。仿真实验主要利用C与C++语言，结合PCL库，在虚拟机环境下利用MicrosoftVisualStudio2013开发平台进行编程开发实现。首先滤除桌子点云数据中的噪声点，如图4所示。图4（a）中初始点云共有460400个数据，图4（b）中经过去噪后的点云共有451410个数据，图4（c）为被去掉的噪声点云，共8990个数据。图4点云数据去噪然后对滤除噪声数据的点云进行精简化
【参考文献】：
期刊论文
[1]一种散乱点云的均匀精简算法[J]. 李仁忠,杨曼,刘阳阳,张缓缓. 光学学报. 2017(07)
[2]改进ICP算法的点云配准[J]. 邱世聪,罗意. 河南科技. 2017(07)
[3]基于自适应布谷鸟搜索算法的K-means聚类算法及其应用[J]. 杨辉华,王克,李灵巧,魏文,何胜韬. 计算机应用. 2016(08)
[4]机器人辅助的三维点云自动配准[J]. 孙威,黄惠. 集成技术. 2015(06)
[5]ICP算法在3D点云配准中的应用研究[J]. 杨现辉,王惠南. 计算机仿真. 2010(08)
[6]ICP算法在点云配准中的应用[J]. 戴静兰,陈志杨,叶修梓. 中国图象图形学报. 2007(03)
硕士论文
[1]散乱点云配准技术优化研究[D]. 陈杰.西南科技大学 2018
本文编号：3123579
【文章来源】：软件导刊. 2019,18(06)
【文章页数】：6 页
【部分图文】：
聚类过程1.2点云去噪
骄嗬耄??k-1个欧式距离的平均值，记为该点的K邻近点距离di；③计算所有pi的K邻近点距离的均值μ=1Ni=1Ndi和标准方差σ=1Ni=1N（di-μ）2；④通过均值和标准方差共同决定阈值，当点的K邻近距离比阈值大时则判断为噪声点。1.3点云精简随着市场上激光雷达扫描系统扫描速度和精度的迅猛发展，快速获取目标物体的高精度海量点云已不是问题。但是如果直接对海量数据进行点云重建，会因为数据量密集而影响处理效率，严重阻碍特征信息的提龋为加图1K-means聚类流程··26
氏距离选择合适的初值减少匹配误差。算法流程：①减少初始点云数据量，读取精简后的目标点集Xt和参考点集Yt，并对Yt建立KD-Tree；②通过点的曲率特征，从目标点集Xt随机选取N个特征点记为X′t；③计算特征点集X′t中的每一点xi到Yt中每一点yj的距离，找出xi到Yt距离最短的点yj作为匹配点对，并计算匹配点对的曲率相似度；④根据最小二乘法计算得到的旋转和平移矩阵，进行特征点坐标转换；⑤迭代直到满足误差最小为止。坐标系旋转变换原理如图3所示。设目标点集Xt里某一点在XOY坐标系下的坐标为(x?y)，直角坐标系旋转θ角度后在X′OY′坐标系下的坐标为(x1?y1)，通过点(x?y)和旋转角度可得到x1、y1的值。{x1=xcosθ+ysinθy1=ycosθ+xsinθ（2）图3坐标系旋转变换3实验结果及分析本文基于Windows7系统进行实验平台搭建，首先在Windows下安装VMware-workstation并在虚拟机VMWare上运行Ubuntu14.04，然后在Ubuntu14.04下安装一些必要的环境工具，如CMAKE、QT、VTK、boost库等，最后安装PCL1.8.1、MicrosoftVisualStudio2013。仿真实验主要利用C与C++语言，结合PCL库，在虚拟机环境下利用MicrosoftVisualStudio2013开发平台进行编程开发实现。首先滤除桌子点云数据中的噪声点，如图4所示。图4（a）中初始点云共有460400个数据，图4（b）中经过去噪后的点云共有451410个数据，图4（c）为被去掉的噪声点云，共8990个数据。图4点云数据去噪然后对滤除噪声数据的点云进行精简化
【参考文献】：
期刊论文
[1]一种散乱点云的均匀精简算法[J]. 李仁忠,杨曼,刘阳阳,张缓缓. 光学学报. 2017(07)
[2]改进ICP算法的点云配准[J]. 邱世聪,罗意. 河南科技. 2017(07)
[3]基于自适应布谷鸟搜索算法的K-means聚类算法及其应用[J]. 杨辉华,王克,李灵巧,魏文,何胜韬. 计算机应用. 2016(08)
[4]机器人辅助的三维点云自动配准[J]. 孙威,黄惠. 集成技术. 2015(06)
[5]ICP算法在3D点云配准中的应用研究[J]. 杨现辉,王惠南. 计算机仿真. 2010(08)
[6]ICP算法在点云配准中的应用[J]. 戴静兰,陈志杨,叶修梓. 中国图象图形学报. 2007(03)
硕士论文
[1]散乱点云配准技术优化研究[D]. 陈杰.西南科技大学 2018
本文编号：3123579
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3123579.html
