资源包含文件:docx和pdf+开题答辩+中期答辩+毕业答辩+外文翻译+源文件及数据+项目截图 本文的局部点云构建模块采用了三个平行算法,分别是基于单目视觉的SfM算法、基于激光雷达的LOAM算法以及基于图像激光全景扫描仪的方法,这些算法都能够得到场景的局部点云地图,但是其精度与采集成本各不相同,在实际场景中可以根据实际情况来对方法进行选择。同时,本文也在大礼堂门口分别采用这三种方式进行了数据采集与重建实验并进行了对比。 本文的点云融合模块采用了一个由粗到精的配准框架。在点云的粗匹配阶段,先利用FPFH算法求取点云中每个点的特征描述子并构建kd-tree以便搜索,然后利用RANSAC方法估计两个点云之间的转移矩阵,得到点对匹配关系。将得到的匹配关系输入3DRegNet网络,消除其中的噪声,即错误匹配对,得到了更准确的匹配对,进而得到了精细化的点云匹配结果。本文在自己采集的数据集上进行了双点云与多点云的融合实验,结果均证明了此方法在点云融合上式有效的 详细介绍参考:https://biyezuopin.blog.csdn.net/article/details/125655404
2022-07-20 18:07:13 98.41MB 图像 激光 多模态点云融合 视觉定位