一种基于有序点云的注册方法,用于列车的关键部件
Kai Yang1, Xiaopeng Deng1, Zijian Bai1
1School of Physical Science and Technology, Southwest Jiaotong University, Chengdu 610031, China.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
本研究引入了使用有序点云的新点云注册方法,显著提高了效率和准确性. 这种新的方法避免了复杂的计算,在不到一秒的时间内实现注册.
科学领域:
- 计算机视觉 计算机视觉
- 3D数据处理 3D数据处理
- 几何建模 几何建模
背景情况:
- 传统的点云注册方法因依赖无序数据而扎着计算复杂性和有限的功能丰富性.
- 现有的技术经常使用k-最近邻居 (KNN) 或邻近球查询,这些查询在计算上是密集的,并将分析限制在对象边界上.
研究的目的:
- 开发一种新的,高效的点云注册策略,使用有序点云.
- 通过增强功能丰富性和降低计算成本,克服传统方法的局限性.
主要方法:
- 利用先进的深度摄像头和3D传感器获得的有序点云.
- 通过使用固有的点排序,消除了昂贵的KNN查询.
- 使用二维坐标提取更丰富的局部特征,超越了限制边界的传统方法.
- 整合图像特征匹配技术,利用2D图像和3D有序点云坐标对应.
主要成果:
- 在合成和现实世界数据集上,记录时间始终在1秒以下.
- 在注册准确性和计算效率之间取得了最佳平衡.
- 从室内和工业环境中成功注册了点云.
结论:
- 拟议的注册策略在点云处理效率和准确性方面取得了重大进展.
- 使用有序点云和集成图像功能为各种3D应用提供了强大的解决方案.
- 该方法的速度和精度使其适用于机器人,增强现实和工业检查中的实时应用.
