基于布谷鸟优化的三维点云配准算法

发布时间：2024-05-15 00:30

　　针对ICP算法在点云配准时存在对初始位置敏感、易陷入局部最优的缺陷,提出一种基于布谷鸟优化算法的点云配准方法。对输入点云的均匀采样,并基于领域半径约束的固有形状特征点(Intrinsic Shape Signature, ISS)提取进一步简化点云。通过布谷鸟算法莱维飞行全局搜索更新策略完成对点云较好的初始配准,得到空间变换矩阵参数。利用k-D树(k-Dimension tree)近邻搜索方法加快对应点的搜索速度,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进行配准实验,结果表明该算法能有效克服ICP算法的缺陷,其全局搜索性能与寻优精度更具优势,抗噪性好,配准精度高,鲁棒性强。

【文章页数】：9 页

【部分图文】：

图1CS+ICP与传统的ICP的配准实验对比

表6本文算法与传统的ICP在初始位置变换下的配准比较序号旋转角度平移参数ICPCS+ICPRMStICPRMStCStICP′tsum1π/4,-π/4,-π/40.04,-0.03,0.041.0755E-0219.561.7844E-039....

图1CS+ICP与传统的ICP的配准实验对比

图1CS+ICP与传统的ICP的配准实验对比表6中,旋转角度是指沿三个坐标轴旋转的角度大小,平移参数表示沿三个坐标轴平移的数值,tICP、tCS、tICP′、tsum分别表示直接用ICP配准时间、本文CS粗配准时间、ICP精配准时间和本文粗精配准总的时间,时间单位为s。

本文编号：3973639