摘要
本发明公开了一种针对低重叠率点云的全局配准算法,涉及点云配准技术领域,包括针对源点云和目标点云中的关键点,构建多半径邻域下的多尺度描述符,利用进化稳定策略对粗匹配集进行筛选,得到初阶匹配集;基于对应传播机制,将初阶匹配集中每一个匹配元素通过对应传播的操作聚合出全局候选集;根据聚合的全局候选集,生成相同数量的变换参数,并通过质量函数筛选最优变换参数,对点云进行粗对齐,再通过截断‑ICP算法进行细优化。因此,采用上述一种针对低重叠率点云的全局配准算法,能够有效应对部分点云缺失的情况,具有较高的鲁棒性,并提升了在低分辨率和低重叠率下的配准精度。
技术关键词
配准算法
邻域
关键点
描述符
主特征向量
ICP算法
点云配准技术
多尺度
点云缺失
卡方距离
直方图
策略
矩阵
元素
参数
索引
鲁棒性
分箱
机制
特征值
系统为您推荐了相关专利信息
数据融合算法
融合分析方法
汽车减振器
故障诊断信息
时序
机器学习模型
单原子催化剂
机器学习训练
火山模型
人工智能交叉技术
特征提取方法
Delaunay三角网
图像处理
关键点
拓扑特征