基于Harris特征的点云配准方法研究

发布时间：2020-06-22 03:30

【摘要】：近年来,随着三维激光扫描技术的快速发展,点云配准成为三维激光扫描技术研究的热点问题之一。点云配准是点云数据处理中的关键步骤,影响后续的数据处理工作及建模精度。现有的点云配准方法主要分为基于特征和无特征的配准,能较好的实现不同视角下的点云配准。但现有算法仍存在一些不足,基于特征的配准方法需要提取点云特征,配准精度依赖于特征提取精度,同时需要花费大量时间确定对应关系,配准效率不高。基于无特征的方法主要有最近点迭代算法、正态分布变换算法以及超四点快速鲁棒匹配算法,前两种算法依赖点云的初始位置,初始位置不好无法实现配准,效率比较低;第三种算法属于全局配准算法、不依赖点云初始位置,但当点云本身具有对称性时,容易出现错误配准结果。本文针对上述点云配准中存在的一些不足,主要研究内容及结果如下1)针对双边滤波算法无法滤除大范围噪声的问题,文中对双边滤波算法进行了优化。算法利用邻域点平均距离的均值和方差滤除点云离散噪声点,降低离散噪声点对双边滤波结果的影响,再利用双边滤波算法实现点云局部噪声的滤除;实验表明该方法能有效去除噪声,同时能更好的保留点云特征。在去噪的基础上,利用体素网格压缩方法对点云数据进行了压缩,算法在保证点云拓扑结构的同时有效缩减了点云数据量,能有效提高后期数据处理的效率。2)针对Harris角点提取速度慢,阈值需要人工设置的问题,文中对Harris算法进行了优化。算法利用点云的曲率信息进行角点的预筛选,提高了角点响应值计算效率;同时以点云曲率方差代替角点响应阈值,实现了角点响应阈值的自适应,确保角点实时提取,为基于特征的点云配准提供了一种新方法。3)针对正态分布变换算法海森矩阵求解效率低的问题,文中利用拟牛顿迭代法对正态分布变换算法进行了优化。算法避免了二阶导数求解,以及海森矩阵的求逆运算;确保迭代方向始终为目标函数值下降的方向。实验结果表明,本文算法在保证原算法配准精度的同时,提高了配准效率。4)针对对称点云下超四点快速鲁棒匹配算法的配准问题,文中利用Harris特征对算法进行了优化。算法对源点云进行Harris特征提取,凸显点云的局部特征,以特征点云作为源点基,能有效提高同名点匹配的准确率,算法不用遍历点云,只要搜索特征点集即可,提高了算法搜索效率。实验结果表明,本文算法能够快速准确地实现点云的初配准,为精配准提供一个良好的初始位置。
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P225.2;TN958.98

【参考文献】