基于信息论的kl．reg点云配准算法.pdfVIP

第 37卷第6期 电 子 与 信 息 学 报 Vol_37No．6 2015年 6月 JournalofElectronics InformationTechnology Jun．2015 基于信息论的KL．Reg点云配准算法 秦红星 徐 雷 (重庆邮电大学计算智能重庆市重点实验室 重庆 400065) f重庆邮电大学计算机科学与技术学院 重庆 400065) 摘 要：针对含有高噪声、体外点及不完整点云数据的配准失效问题，该文提出以信息论为理论基础，相对熵度量 点云相似度的KL—Reg算法。该算法不需要显式地建立对应关系，首先将点云数据建模为高斯混合模型，然后用相 对熵度量高斯混合模型间的分布距离，最后通过最小化分布距离计算模型变换。实验结果表明所提的KL—Reg算法 配准精度高、稳定性强。 关键词：机器视觉；点云配准；KL散度；高斯混合模型 中图分类号： TP391 文献标识码：A 文章编号：1009—5896(2015)06—1520—05 DOI：10．11999／JEIT141248 InformationTheoryBasedKL—RegPointCloudRegistration QinHong-xing XuLei (ChongqingKeyLaboratoryofComputationalIntelligence，ChongqingUniversity ofPostsandTelecommunications，Chongqing400065，China) (CollegeofComputerScienceandTechnology，ChongqingUniversityofPosts andTelecommunications，Chongqing400065，China) Abstract：Theregistrationofpointcloudswith highnoises，outliersandmissingdatawillbefailurebecausethe correspondencebetweenpointcloudsisinaccurate．Thispaperproposesainformation theory basedpointcloud registrationmethodcalledKL—Regalgorithm withoutbuildingc0rrespondence．Themethodrepresentsthepoint cloudwith Gaussianmixturemodel，then computesthetransformationthroughminimizingtheKL divergence withoutbuildexplicitc0rrespondence．Experimentalresultsshow thatKL—Regalgorithm ispreciseandstable． Keywords：Machinevision；Pointcloudsregistration；KL·divergence；Gaussianmixturemodel 1 引言 位置也会影响配准算法的性能。 点云数据配准是计算机视觉和计算机图形学中 目前的点云配准算法主要分为3类：迭代最近点 配准算法 ICP(IterateClosedPoint)4[,5]、基于统计 的重要研究内容，是3维重建、图像配准 【】和 3维形