一种新的鲁棒三维点云平面拟合方法

作者：童子良; 余学祥; 汪涛; 王虎; 苏晓刚

来源：合肥工业大学学报(自然科学版), 2020, 43(12): 1684-1688.

• 点云数据
• 异常值
• 平面拟合
• 随机采样一致(RANSAC)算法
• 主成分分析(PCA)方法

针对三维点云中的异常值和粗差点对平面拟合精度产生的影响,文章提出一种将随机采样一致(random sample consensus, RANSAC)算法与主成分分析(principal component analysis, PCA)方法相结合的点云平面拟合新方法。通过RANSAC算法剔除原始点云数据中的异常值和粗差,保留质量好的点云数据;再利用PCA方法对留下的点云数据进行平面拟合,以获得更为精确的拟合平面参数解。仿真模拟算例与实测数据实验结果表明,相比于传统的拟合算法,该拟合方法可以消除异常值和粗差点的影响,并且能够得到更为准确的拟合参数,是一种具有鲁棒性和适用性的新方法。

• 单位
  安徽理工大学