研究基于SHOT特征的3D点云对齐算法
Zheng Fu1, Enzhong Zhang1, Ruiyang Sun1
1School of Mechatronical Engineering, Changchun University of Technology, Changchun, China.
PloS one
|March 27, 2024
概括
本研究介绍了一种改进的点云注册方法,使用正常向量和定向直方图特征 (SHOT). 这种新的方法显著减少了代,并增强了特征点提取,以便更好地对准3D数据.
科学领域:
- 计算机视觉 计算机视觉
- 3D数据处理 3D数据处理
- 几何算法的几何算法
背景情况:
- 传统的代最接近点 (ICP) 算法需要精确的初始定位.
- 在处理杂和不完整的点云数据方面存在挑战.
- 特性提取和对齐是点云注册中的关键步骤.
研究的目的:
- 开发一个强大的点云注册方法,克服传统ICP的局限性.
- 提高点云对齐的准确性和效率,特别是在有噪音或不完整数据的情况下.
- 为了减少计算成本和注册所需的代次数.
主要方法:
- 一种基于声化以减少噪音的混合过方法.
- 优化功能点提取以处理缺失的点云部分.
- 一个精细的对齐策略,利用面向梯度 (SHOT) 的尺度组图 (Scalar Histogram) 的特征.
主要成果:
- 使用混合过方法实现了高的消除噪声率 (97.5%,97.8%,93.8%).
- 优化功能提取有效处理不完整的点云数据.
- 在基准和自我测量数据集上,代数减少了40.23%和37.62%.
结论:
- 拟议的基于SHOT的点云注册方法提供了更高的效率和稳定性.
- 混合过和优化特征提取有助于提高性能.
- 这种方法比传统的点云注册技术提供了显著的进步.


