一种机载LiDAR和车载LiDAR点云的自动配准方法，张靖，沈欣，机载激光扫描（ALS）和车载激光扫描（MLS）是目前采集城区三维数据的重要手段。由于两者工作方式的局限性，都不能完整获取目标顶面
2024-02-23 15:34:53
524KB
1
针对在不同视角下所获得的三维点云数据，提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点，综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明，与传统ICP算法相比，该算法在运行时间与精确度上都有着明显的提升。
2023-03-02 22:16:40
1.85MB
1
3D面部表面的非刚性配准是各种计算机视觉任务中的关键步骤。 在本文中，我们提出了一种基于薄板样条（TPS）和可变形模型的全自动3D人脸配准方法。 为了对复杂的3D面部表面的非刚性模态进行建模，采用薄板样条曲线来表示3D面部之间的转换。 最远点采样（FPS）方法用于自动生成薄板样条曲线转换的控制点。 3D人脸注册有两个阶段。 首先，通过在薄板样条曲线变换参考和目标之间进行最近点搜索来获得初步配准。 然后，通过使用基于可变形模型产生的动态参考，实现多样本配准，以提高配准的精度。 为了消除异常值，在两个阶段都提出了对策。 在Bu-3dfe和Bjut-3d人脸数据库上的实验表明，该方法是有效且鲁棒的。
2022-11-27 16:51:15
506KB
1
针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映
射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换
模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提
取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构
相似度最大. 在各层的寻优结束之后, 使用Powell 算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充
分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.
射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换
模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提
取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构
相似度最大. 在各层的寻优结束之后, 使用Powell 算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充
分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.
2022-11-22 03:57:32
596KB
1
1) 将 ImageRegistrationBatchTask 文件夹内的 sav和task文件拷贝到如下安装路径：
C:Program FilesExelisENVI52custom_code
注：其中的pro文件为自定义ENVITask的源代码；task文件为配置文件。
2) 将 Image_Registration_Batch 文件夹内的 sav 文件拷贝到如下路径：
C:Program FilesExelisENVI52extensions
3) 启动 ENVI，打开 /Extensions/Image Registration Batch 工具。
2022-10-20 12:34:02
10KB
1
针对无任何预知信息下的散乱点云数据配准问题，提出了一种基于点云法向量信息的自动配准算法。根据点云局部法向量的变化提取特征点，通过比较特征点的直方图特征向量获得初始匹配点对；使用随机抽样一致性（RANSAC）算法，根据刚性距离约束条件得到精确匹配点对；利用四元素法计算得到初始配准参数，采用改进的最近点迭代（ICP）算法对点云精确配准。实验结果表明了此方法的有效可行性。
2022-03-31 10:48:05
1.91MB
1
改进的SIFT自动寻找特征点，自动配准算法，具有仿射、旋转和尺度不变特性！C++程序，VS2012编译通过，可直接使用！之前发布的vs2010版本由于路径采用了绝对路径没有留意导致调试不同，深表歉意，调试不通的童鞋请下载此版本！
2021-12-21 19:35:07
9.88MB
1
张彬,熊传兵.基于体素下采样和关键点提取的点云自动配准[J].激光与光电子学进展,2020,57(04)
没积分可以百度云下载,点个赞就好
链接：https://pan.baidu.com/s/1aDOsrKN1pPNqnWXQlCdWIQ
提取码：c8x9
2021-08-09 15:06:22
9.19MB
1
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