针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.

802.11Wi-Fi网络中，接入点（AP）的介质接入控制（MAC）协议分配给它的竞争用户（STA）相等的传输机会而不考虑的用户的链路质量的差异，这就会导致有着不同链路质量的竞争节点获得相等的吞吐量（基于吞吐量的公平性），从而降低网络整体的性能。为了克服这一性能异常问题，基于比例公平的优化由于其吞吐量增强能力已经引起广大的关注。在本文中，提出了一种基于邻近点算法的比例公平优化方法，每个竞争节点根据其链路质量的差异使用不同的接入概率来访问接入点。数值结果验证了我们的理论分析，Wi-Fi网络的吞吐量可以通过接入概率的优化得到显着改善。