基于配准元素选择的改进ICP算法研究

ICP算法作为解决深度图像的配准问题的一个应用较为广泛的算法,得到了研究者的关注,本文全面地回顾了ICP算法的研究背景,对其存在的不足进行了分析,并从配准元素选择的角度对它进行了简单的改进。     

改进的ICP算法在三维模型配准中的研究

针对整体与部分3D模型间的配准问题,提出了一种基于自适应最优阈值的迭代最近点(iterative closest point,ICP)算法。首先使用主成分分析法将模型进行初始配准,并使用三维缩放变换调整模型的大小;然后采用KD-tree进行最近邻搜索以提高对应点的查找速度,计算在不同的阈值下对两模型执行ICP算法的配准误差,并记录误差最小时所对应的阈值Kbest;再以Kbest为阈值重新对两模型执行ICP算法,将目标模型和源模型配准;最后执行三维目标重合度检测算法,根据重合度再进行最后的反转调整。实验结果表明,改进的ICP算法既能配准整体与部分模型,也适用于两个完整模型间的配准,提高了ICP算法的精确度。     

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。     

基于改进ICP算法的点云自动配准技术

在零件的型面检测过程中,通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中,曲面之间的配准是检测中关键的一环。针对传统的经典ICP(Iterative Closest Point)算法在配准过程中受噪声干扰大、鲁棒性差的缺点,在应用点云主方向贴合的粗略配准基础上,以经典的ICP算法为基础,提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ICP算法,并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声,并经点云各点间的方向矢量夹角阈值进行对应点采样,提高了传统ICP算法的效率和精度。经飞机和汽车零件点云配准实验验证,本算法的配准误差在±1μm内。算法具有设计简洁,响应快速的特点,有实际工作意义。     

三维重建中点云模型与纹理图像的配准

研究三维立体图像优化问题,实现高真实度的纹理图.由于立体图像重建过程产生累加误差,影响匹配精度.目前半自动和自动纹理贴图中三维扫描数据与高分辨率纹理图像对应点配准精度低、计算量大.为解决上述问题,在标准ICP(Iterative Closest Point)算法的基础上,提出一种改进的LM-ICP 2D和3D配准算法.通过法向量内积加权的最近点迭代,动态更新特征对应,减小误匹配点对配准精度的影响,并利用LM(Levenberg-Marquardt)算法优化投影矩阵.采用真实数据进行仿真.实验表明,提出的算法能得到精度高、真实性强的匹配图像效果,为设计提供参考.     

三维点云ICP算法改进研究

三维激光扫描技术的快速发展,使其在各个领域得到广泛应用.由于物理上的一些限制,一次三维激光扫描不能获取扫描物体的全部数据,因此要对扫描点云进行拼接.首先,对最常用的ICP算法进行一系列研究,ICP算法的前提条件是具有一个良好的配准初值,文中在配准初值的选取上采用主成分分析法,为后续ICP算法的工作提供一个良好前提条件,增加点集预处理,点对查找上增加各种限制,采用kd-tree加速查找,以此对算法进行改进,并通过实例来验证本算法的有效性及合理性.     

古遗址多视点云的渐进式三维配准*

为实现古遗址场景多分辨率点云的精确配准,提出一种基于序列迭代的多视点云三维配准方法。利用反向投影确定两点集的重叠区,基于法向量计算定标球球心坐标,实现相邻点云的准确融合;利用基于马氏距离计算相邻点云的三维边缘点,通过在迭代过程中不断优化转换矩阵,逐步提高配准精度,消除部分重影现象。唐小雁塔和西汉古墓的工程实践表明,该方法能有效抑制序列配准的累积误差,具有有效性和鲁棒性,可应用于古遗址的数字化保护与虚拟展示领域。     

扫描点云的一种自动配准方法

针对无任何预知信息下的扫描点云数据配准问题,通过引入新的匹配点对度量准则和改进最近点迭代算法,提出一种扫描点云数据的自动配准方法.该方法分为初始配准和精细配准2个阶段.初始配准阶段中,在考虑孤立点的曲率相似度的基础上,通过引入一种新的点的邻域曲率相似度度量准则,构造出一个有效的一一对应的初始匹配点对数组;然后根据刚体变...     

分形维数的全局点云初始配准算法

针对重叠率低、角度大的点云数据之间的配准进行了研究,提出基于分形维数的全局点云初始配准算法。计算点云中各点的维数值;通过维数属性,从点云中提取特征点;聚类特征点,形成全局结构;从全局结构中,获得全等三角形对,作为匹配点对,进行初始配准;进行剪枝迭代最近点（Trimmed Iterative Closest Point,Trimmed-ICP）细配准。该算法与全局最优迭代最近点（Global optimal Iterative Closest Point,Go-ICP）算法相比,能够有效缩小不同角度的点云数据之间的位姿差异,显著提升对重叠率低、角度大的点云数据的配准效果。     

一种改进的曲面配准方法的研究

实际应用中经常需要对两个三维曲面模型进行配准。最近邻点迭代（ICP）算法是目前最常用的一种曲面匹配方法,传统的ICP算法效率很低,不能满足实时的要求,Rusinkiewicz等人提出一种快速ICP算法,极大地提高了配准效率,然而当两个模型旋转错位较大时不能进行正确的配准。该文提出一种改进的基于ICP的曲面匹配方法,先进行粗略配准,再运用一种改进的快速ICP算法进行精确配准,经测试该方法不仅得到了很好的配准效果,而且配准效率达到了实时的要求。     

基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略; 采用Logistic混沌映射生成迭代过程中的个体; 运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度; 相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。     

基于改进ICP算法的地磁图匹配技术

将地磁信息应用于惯性导航是组合导航技术研究的新方向.对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法.根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效剔除了地磁测量中的野值点,提高了算法的鲁棒性.仿真结果证实了改进算法的良好性能.     

基于改进ORB算法的虚实注册方法

针对增强现实(AR)中虚实注册的精度和实时性易受图像纹理和不均匀光照影响的问题,提出一种改进的ORB算法予以解决。首先,设置ORB特征点数量和距离阈值对图像特征点稠密区域进行优化,利用并行算法保留特征值较大的N个特征点;然后,采用离散差异特征增强光照不均匀变化时的稳定性,将改进的ORB与词袋(BOF)模型结合,实现基准图像的快速检索;最后,利用图像间的单应性关系实现虚实注册。从准确性和实时性两方面对提出的改进ORB算法与原始ORB算法、尺度不变特征变换(SIFT)算法和加速稳健特征(SURF)算法进行了对比实验分析,结果显示改进ORB算法的注册时间平均降低了约40%,准确性达到了95%以上。实验结果表明,所提出的算法在不同纹理和不均匀光照的情况下,具有更高的实时性、准确性。     

SIFT算法在点云配准中的应用

提出一种精确有效的点云配准算法。通过对图像进行SIFT特征检测与匹配来获得特征点与匹配关系,用RANSAC算法剔除误匹配点,然后由映射关系获取三维对应特征点,采用投票法来进一步剔除误匹配点。在由单位四元数法获得点云初始位置关系的基础上,采用基于特征点的改进ICP算法来实现精确配准。通过实验验证,该算法在点云配准中具有速度快和稳定性好的特点。     

快速数字影像重建的2维/3维医学图像配准

目的 针对2D/3D医学图像配准过程中数字影像重建技术(DRR)生成图像和相似性程度测量两个步骤计算量大、耗时较长这一问题,提出了一种基于Bresenham直线生成算法改进的模式强度与梯度相结合的混合配准算法.方法 首先利用Bresenham直线生成算法原理改进传统光线投射算法(Ray-Casting),完成DRR图像的生成;其次模式强度与梯度相结合并引入多分辨率策略来降低相似性测度的计算复杂度;最终利用改进的鲍威尔优化算法对参数进行优化,完成整个配准过程.结果 实验结果表明,改进的混合配准算法与基于相关系数、互信息和模式强度的配准算法相比,配准效率大幅提升.模拟配准实验和临床配准实验完成时间分别为76.2 s和64.9 s,比传统配准算法效率提升3~6倍.结论 提出的算法在保证配准精度和高鲁棒性的前提下,大幅度地提高了2D/3D医学图像配准算法的运算速度,可以满足临床上精确引导手术进行的实时性要求.     

基于Blob算法的标记圆检测技术研究

大型物体的三维测量中,大多采用基于标记圆的拼接,标记圆检测的正确性和定位精度决定了拼接的精度。在二值化图像上运用Blob分析得到标记圆的轮廓信息,综合使用标记圆灰度特性、尺寸特征、圆形度和误差准则来筛选标记圆,圆心定位采用具有亚象素定位精度的最小二乘拟合法。实验表明该方法抗干扰强,标记圆的识别率可达98%。     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

基于假设检验匹配约束的点云配准算法研究

针对点云配准中效率低、误差大、抗噪性弱等问题,提出了一种改进的基于t检验的迭代最近点(T-ICP)算法。在初始配准阶段,采用统计分析对源点云和目标点云中的离群点进行标记并提取非离群点,然后采用主成分分析法(PCA)计算非离群源点云和非离群目标点云之间的变换矩阵,并将变换矩阵应用于源点云。在精配准阶段,以迭代最近点(ICP)算法作为基本框架,通过对候选点对的邻域距离分布进行t检验来剔除错误点对,并采用均匀分布策略来搜索点对,保证点云的完整形态配准。实验结果表明,相较于迭代最近点算法以及近两年一些改进的配准算法,该算法在效率和精度上分别提高了10%~50%和4%~40%,并具有较好的鲁棒性。