-
题名基于正态分布相似性的双视角点云配准方法
- 1
-
-
作者
李朝龙
庞善民
王超玉
王翌丰
史鹏程
-
机构
西安交通大学软件学院
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第6期1179-1190,共12页
-
基金
国家自然科学基金资助项目(61972312).
-
文摘
针对现有“点到点”双视角点云配准算法效率慢、精度低的问题,提出基于正态分布相似性的双视角点云配准方法.将传统“点到点”配准问题转化为“分布到分布”配准问题,利用K-means聚类算法生成若干正态分布聚簇来拟合原始点云数据,再对这些正态分布聚簇进行配准,从而降低计算开销,提升配准效率;将Kullback-Leibler散度引入最近邻匹配正态分布的相似性评估,从而削弱非重叠数据区域对配准的负面影响,提升配准精度.使用李代数求解器来获取最终的配准结果.为了验证所提方法的有效性,选取其他8种双视角点云配准方法进行比对,其中包含多种“点到点”配准方法.结果表明,本研究所提算法在保持较低计算开销的同时,有效提升了配准的稳定性和精确性.在2个数据集上进行真实场景实验,证明了本研究所提算法在真实环境配准任务上拥有较好的应用潜力.
-
关键词
双视角配准
部分重叠配准
正态分布变换
K-MEANS聚类算法
Kullback-Leibler散度
李代数求解器
-
Keywords
pair-wise registration
partial overlapping registration
normal distribution transformation
Kmeans clustering algorithm
Kullback-Leibler divergence
lie algebra solver
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
