摘要
针对现有点云配准算法对不同场景的点云进行配准时存在适用性弱、鲁棒性差及配准效率低下等问题，本文提出面向模型和室内外点云的高效配准算法。首先，采用体素网格滤波对点云进行下采样，并使用内部形态描述子（ISS）提取点云特征。然后，由快速点特征直方图（FPFH）对特征点进行特征描述，采用随机采样一致性（RANSAC）算法对点云进行粗配准。最后，通过图形处理器（GPU）并行加速的体素化广义迭代最近点（VGICP）算法实现精配准。实验结果表明，在含有噪声点的三维模型、室内及低重叠率室外点云中，本文算法在达到较高配准精度的同时仅耗时0.118 s、0.306 s和0.648 s。相比于现有的配准算法，配准效率提高了79.12%、82.41%和88.28%。本文算法在不同的应用场景下均具有较高的配准精度和配准效率，且适用性更强、鲁棒性更高。
关键词
点云配准;随机采样一致性;图形处理器;体素化广义迭代最近点
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website