采用点云重心距离进行边界检测的点云数据配准.pdfVIP

小型微型计算机系统 2015年9月第9期 JounlalChinese of Computer V01．36No．92015 Systems 采用点云重心距离进行边界检测的点云数据配准 王 勇，唐 靖，饶勤菲，袁巢燕 (重庆理工大学计算机科学与工程学院，重庆400054) E·mail：ywang@cqut．edu．cn 摘要：针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题。提出一种采 用点云重心距离进行边界检测的点云数据配准新算法．该算法首先运用主成分分析法进行点云数据粗配准，获得良好点云姿 态；其次，采用点云重心距离特征进行边界检测并提取待配准点云边界；在此基础上，利用K．D树在两点云边界中查找对应最 近点对，并通过单位四元敷法进行坐标转换，求得平移矩阵及旋转矩阵，从而实现快速、精确的点云数据配准．实验结果表明：与 经典ICP算法、现有改进ICP算法相比，本文中点云边界特征点的提取简单快速，极大简化了配准点集，简化率达到2．24％。改 进方法的配准效率提高了25．8％．本文算法在保证精度基础上有效提高了配准效率，适用于数据量较大的点云数据配准． 关键词：重心距离特征；边界检测；迭代最邻近点算法；点云配准 中图分类号：TP391 文献标识码：A 文章编号：1000．1220(2015)09-2096-06 PointCloudData Basedon DetectiontheCenterofMassDistance RegistrationBoundary by Feature WANG Yong．TANGJing，RAOQin-fei。YUANChao-yah Scienceand (CollegeofComputer Engineering-ChongqingUnive璐ityofTechnology。Chongqing400054。China) the of clouddata ofthe IterativeClosest the Abstract：In point registration。thespeed process existing Point【ICP)algorithmsearching was slowandthe of clouddata Waslow．Anew clouddata correspondingpoints efficiencypoint registration point mgistralion algo- rithmbasedon detectionwhichcombinedwiththe cloudcenterofmassdistancefeatureWas boundary point Wasusedto thecoarse andobtain thebound— Analysis(PCA)method iegistration Component complete goodpointcloud．Then。using of cloud of to detection centermassdistancefeatureextractcloud this usedtheK-D订ee ary