摘要
在点云配准过程中,针对经典采样一致性(SAC-IA)粗配准算法耗时长和经典迭代最近点(ICP)精配准算法在待配准点云无初始位置下易陷入局部配准最优问题,提出了一种基于改进SAC-IA和ICP的快速高效点云配准算法。通过对待配准点云进行特征超体分割,对分割后的点云进行特征点提取,并进一步采用RANSAC方法去除错误匹配特征点,优化粗配准,最后采用双向KD-tree搜索优化ICP算法完成精配准。仿真实验表明,与经典SAC-IA和经典ICP算法相比,提出的算法可有效减少经典算法配准时间的40%~60%,使最终的配准误差降低了10-1量级。
-
单位江苏理工学院