激光与红外

作者：喻俊楠

单位：昆明理工大学 国土资源工程学院,云南 昆明 650093[JZ]；

关键词：点云配准;欧式聚类;信息熵;特征向量;中心关键点;点到面ICP

基金：国家自然科学基金项目(No.41961053；No.41961039)资助。

针对传统点云配准方法易受到噪点、离群值和重叠度的影响,造成配准精度低和效率低等缺点,提出了一种利用信息熵改进的欧式距离聚类中心点的方法来完成点云配准。首先对两片点云进行体素格网下采样,加快后续处理效率,不同于欧式聚类直接利用距离聚类,先计算点的特征值,根据特征向量求得的信息熵,利用特征向量来选取聚类,再提取出各类别的中心关键点,后使用KD tree算法进行点对的搜索和对应,结合对应点对的位置信息估计出初始变换矩阵,作为精配准的输入矩阵,为后续精配准提供良好的初始位姿;最后采用双向KD tree改进的点到面ICP 算法进行精确配准。选用了长约300m的道路点云数据进行实验,与四种方法在重叠度为10时进行比较,结果表明算法的RMSE为0074m,总体配准过程消耗时长为30256s,比四种算法的配准精度和效率更高。

来源：2024年第10期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第10期