针对传统的迭代最近点(ICP)算法计算量较大、效率较低、易受点云初始位姿影响等缺点,提出一种基于normal distribution transform(NDT)和特征点检测的点云配准算法。该算法采用“粗细结合”的配准策略,首先对点云进行预处理;然后采用ND...针对传统的迭代最近点(ICP)算法计算量较大、效率较低、易受点云初始位姿影响等缺点,提出一种基于normal distribution transform(NDT)和特征点检测的点云配准算法。该算法采用“粗细结合”的配准策略,首先对点云进行预处理;然后采用NDT算法对处理后的点云进行粗配准,为精配准提供较理想的初始位姿;再利用3D-Harris特征点检测算法提取点云特征点;最后利用ICP算法对提取特征点后的点云集进行精细配准,得到最优解。仿真结果显示,与传统算法对比,所提算法进一步提高了点云配准的效率和精确度。展开更多
文摘针对传统的迭代最近点(ICP)算法计算量较大、效率较低、易受点云初始位姿影响等缺点,提出一种基于normal distribution transform(NDT)和特征点检测的点云配准算法。该算法采用“粗细结合”的配准策略,首先对点云进行预处理;然后采用NDT算法对处理后的点云进行粗配准,为精配准提供较理想的初始位姿;再利用3D-Harris特征点检测算法提取点云特征点;最后利用ICP算法对提取特征点后的点云集进行精细配准,得到最优解。仿真结果显示,与传统算法对比,所提算法进一步提高了点云配准的效率和精确度。
