为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,...为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,即RANSAC-WTLSD平面拟合算法。算法通过RANSAC算法对点云数据进行平面初拟合,基于初拟合平面参数构建初始距离权阵。在经过WTLSD算法对拟合平面参数的迭代计算与距离权阵的反复修正后,求得最终平面拟合参数。通过在仿真点云数据以及实际点云数据中的实验结果表明,该算法比常规平面拟合算法相比,具有更低的单位权中误差,更高的平面拟合精度,具有一定的实际应用价值。该算法适用于小数量级的点云数据平面拟合。展开更多
文摘为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,即RANSAC-WTLSD平面拟合算法。算法通过RANSAC算法对点云数据进行平面初拟合,基于初拟合平面参数构建初始距离权阵。在经过WTLSD算法对拟合平面参数的迭代计算与距离权阵的反复修正后,求得最终平面拟合参数。通过在仿真点云数据以及实际点云数据中的实验结果表明,该算法比常规平面拟合算法相比,具有更低的单位权中误差,更高的平面拟合精度,具有一定的实际应用价值。该算法适用于小数量级的点云数据平面拟合。
