原创力文档- 1、本文档共32页，其中可免费阅读10页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
基于深度学习的三维点云配准算法研究
Researchon3DPointCloudRegistrationAlgorithmBasedonDeepLearning
摘要
点云配准一直是三维重建问题中的关键步骤，因为观测距离、观测角度等问题，每次对目标采集的点云数据一般不在同一坐标系中。将不在同一坐标系中的点云数据配准到统一的坐标系中，这是进行三维重建等研究的根基。传统配准算法（如ICP算法）的计算量较大，收敛的速率慢。现使用卷积神经网络提取点云特征信息，利用RANSAC算法计算两点云的旋转平移矩阵，此方法计算量明显缩小，且收敛速度加快。首先选择两组点云数据的关键点，通过
文档评论（0）