科研之友
微信
新浪微博
Facebook
分享链接
摘要
点云数据配准是点云数据处理的一个关键性环节。配准的目的就是为了得到不同视角下点集之间的平移向量与旋转矩阵。SVD算法(Singular Value Decomposition,奇异值分解法)是一种可靠的求解平移向量与旋转矩阵的方法。本文通过对建筑物扫描点云数据进行配准,从点云重叠度、噪声、初始配准状态三个方面讨论SVD算法的精度和时间消耗问题,实验结果可以作为点云数据预处理很好的参照。
-
单位现代城市测绘国家测绘地理信息局重点实验室; 建设综合勘察研究设计院有限公司
