针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。
2021-08-03 17:55:24
10.69MB
1
将点云分为地面测量和非地面测量是从 LiDAR（光探测和测距）数据生成数字地形模型 (DTM) 的重要步骤。 已经开发了许多过滤算法。 然而，即使是最先进的过滤算法也需要仔细设置许多复杂的参数才能实现高精度。 为了减少用户设置的参数，促进过滤算法的发展，我们提出了一种新的过滤方法，只需要几个易于设置的整数和布尔参数。 该方法基于布料模拟，布料模拟是一种 3D 计算机图形算法，用于在计算机程序中模拟布料。 所以我们的过滤算法叫做布料模拟过滤，CSF。 有关 CSF 及其参数的更多信息， 请访问 http://www.cloudcompare.org/doc/wiki/index.php?title=CSF_(plugin) 。 CSF实现了论文“Zhang W, Qi J, Wan P, Wang H, Xie D, Wang X, Yan G. An Easy-Use Airborne L
2021-08-03 16:36:03
2.53MB
1