CN104680530A - 一种icp算法 - Google Patents
一种icp算法 Download PDFInfo
- Publication number
- CN104680530A CN104680530A CN201510091075.XA CN201510091075A CN104680530A CN 104680530 A CN104680530 A CN 104680530A CN 201510091075 A CN201510091075 A CN 201510091075A CN 104680530 A CN104680530 A CN 104680530A
- Authority
- CN
- China
- Prior art keywords
- point
- point set
- algorithm
- icp algorithm
- icp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种ICP算法,提出了对准点集合的一种新方法。该方法采用对准误差通过非线性最优化算法直接最小化,在速度上可与ICP算法相匹敌,ICP算法是专门用于对准工作的特殊用途的算法。因为程序直接最小化一个能量函数,所以很容易通过Hunber核,把它扩充到合并的鲁棒性估计中,产生的收敛区间比现存方法的收敛区间宽很多倍。最后介绍一种基于切面距离变换最小化的数据结构,这种变换产生的算法比以前描述的方法速度快而且鲁棒性强。
Description
技术领域
本发明属于计算机算法领域,更具体地说,本发明涉及一种ICP算法。
背景技术
迭代就近点法ICP就近点法经过十几年的发展,不断地得到了完善和补充。Chen和Medioni及Bergevin等人提出了point-to-plane搜索就近点的精确配准方法。Rusinkiewicz和Levoy提出了point-to-p rojection搜索就近点的快速配准方法。Soon-Yong和Murali提出了Contractive-projection-point搜索就近点的配准方法。此外,Andrew和Sing提取了基于彩色三维扫描数据点纹理信息的数据配准方法,主要在ICP算法中考虑三维扫描点的纹理色彩信息进行搜索就近点。Natasha等人分析了ICP算法中的点云数据配准质量问题,三维空间R3存在两组含有n个坐标点的点集,分别为: PL和PR。三维空间点集PL中各点经过三维空间变换后与点集PR中点一一对应。
发明内容
本发明所要解决的问题是提供一种基于切面距离变换最小化的数据结构,且速度快鲁棒性强的ICP算法。
为了实现上述目的,本发明采取的技术方案为:
一种图ICP算法,包括如下步骤:
(1) 根据点集Plk中的点坐标,在曲面S上搜索相应最近点点集Prk;
(2) 计算两个点集的重心位置坐标;
(3) 由新的点集计算正定矩阵N,并计算N的最大特征向量;
(4) 由于最大特征向量等价于残差平方和最小时的旋转四元数,将四元数转换为旋转矩阵R;
(5) 在旋转矩阵R被确定后,由平移向量t仅仅是两个点集的重心差异;
(6) 根据式PR={Pr1,Pr2,Pr3······,Prm ;Pri ∈R},由点集Plk计算旋转后的点集P’lk。通过Plk与P’lk计算距离平方和值为fk+1;
(7) 当 时,ICP配准算法就停止迭代,否则重复1至6步,直到满足条件 后停止迭代。
优选的,所述步骤(1)中曲面S上搜索最近点的方法为Point to Point。
优选的,所述步骤(2)中增加进行点集中心化生成新的点集。
优选的,所述步骤(3)中增加计算正定矩阵N的最大特征值。
优选的,所述步骤5)中确定两点集重心差异大方法为可以通过两个坐标系中的重心点和旋转矩阵确定。
优选的,所述(6)中以连续两次距离平方和之差绝对值 作为迭代判断数值。
本发明提供了一种ICP算法,提出了对准点集合的一种新方法。该方法采用对准误差通过非线性最优化算法直接最小化,在速度上可与ICP算法相匹敌,ICP算法是专门用于对准工作的特殊用途的算法。因为程序直接最小化一个能量函数,所以很容易通过Hunber核,把它扩充到合并的鲁棒性估计中,产生的收敛区间比现存方法的收敛区间宽很多倍。最后介绍一种基于切面距离变换最小化的数据结构,这种变换产生的算法比以前描述的方法速度快而且鲁棒性强。
具体实施方式
一种图像匹配的ICP算法,包括如下步骤:
(1) 根据点集Plk中的点坐标,在曲面S上搜索相应最近点点集Prk,曲面S上搜索最近点的方法为Point to Point;
(2) 计算两个点集的重心位置坐标,进行点集中心化生成新的点集;
(3) 由新的点集计算正定矩阵N,并计算N的最大特征向量和最大特征值;
(4) 由于最大特征向量等价于残差平方和最小时的旋转四元数,将四元数转换为旋转矩阵R;
(5) 在旋转矩阵R被确定后,由平移向量t仅仅是两个点集的重心差异,可以通过两个坐标系中的重心点和旋转矩阵确定;
(6) 根据式PR={Pr1,Pr2,Pr3······,Prm ;Pri ∈R},由点集Plk计算旋转后的点集P’lk。通过Plk与P’lk计算距离平方和值为fk+1,以连续两次距离平方和之差绝对值 作为迭代判断数值;
(7) 当 时,ICP配准算法就停止迭代,否则重复1至6步,直到满足条件 后停止迭代;
本发明提供了一种ICP算法,提出了对准点集合的一种新方法。该方法采用对准误差通过非线性最优化算法直接最小化,在速度上可与ICP算法相匹敌,ICP算法是专门用于对准工作的特殊用途的算法。因为程序直接最小化一个能量函数,所以很容易通过Hunber核,把它扩充到合并的鲁棒性估计中,产生的收敛区间比现存方法的收敛区间宽很多倍。最后介绍一种基于切面距离变换最小化的数据结构,这种变换产生的算法比以前描述的方法速度快而且鲁棒性强。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种ICP算法,其特征在于,包括如下步骤:
(1) 根据点集Plk中的点坐标,在曲面S上搜索相应最近点点集Prk;
(2) 计算两个点集的重心位置坐标;
(3) 由新的点集计算正定矩阵N,并计算N的最大特征向量;
(4) 由于最大特征向量等价于残差平方和最小时的旋转四元数,将四元数转换为旋转矩阵R;
(5) 在旋转矩阵R被确定后,由平移向量t仅仅是两个点集的重心差异;
(6) 根据式PR={Pr1,Pr2,Pr3······,Prm ;Pri ∈R},由点集Plk计算旋转后的点集P’lk;
通过Plk与P’lk计算距离平方和值为fk+1;
(7) 当 时,ICP配准算法就停止迭代,否则重复1至6步,直到满足条件 后停止迭代。
2.如权利要求1所述的ICP算法,其特征在于:所述步骤(1)中曲面S上搜索最近点的方法为Point to Point。
3.如权利要求1所述的ICP算法,其特征在于:所述步骤(2)中增加进行点集中心化生成新的点集。
4.如权利要求1所述的ICP算法,其特征在于:所述步骤(3)中增加计算正定矩阵N的最大特征值。
5.如权利要求1所述的ICP算法,其特征在于:所述步骤(5)中确定两点集重心差异大方法为可以通过两个坐标系中的重心点和旋转矩阵确定。
6.如权利要求5所述的ICP算法,其特征在:所述步骤(6)中以连续两次距离平方和之差绝对值 作为迭代判断数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091075.XA CN104680530A (zh) | 2015-03-01 | 2015-03-01 | 一种icp算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091075.XA CN104680530A (zh) | 2015-03-01 | 2015-03-01 | 一种icp算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104680530A true CN104680530A (zh) | 2015-06-03 |
Family
ID=53315523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510091075.XA Pending CN104680530A (zh) | 2015-03-01 | 2015-03-01 | 一种icp算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680530A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644433A (zh) * | 2017-08-30 | 2018-01-30 | 北京控制工程研究所 | 改进的最近点迭代点云配准方法 |
CN111882614A (zh) * | 2020-07-30 | 2020-11-03 | 南京溧航仿生产业研究院有限公司 | 一种基于knn-icp算法的自由曲面定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236064A (zh) * | 2013-05-06 | 2013-08-07 | 东南大学 | 一种基于法向量的点云自动配准方法 |
CN103955939A (zh) * | 2014-05-16 | 2014-07-30 | 重庆理工大学 | 三维扫描***中点云拼接用边界特征点配准方法 |
-
2015
- 2015-03-01 CN CN201510091075.XA patent/CN104680530A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236064A (zh) * | 2013-05-06 | 2013-08-07 | 东南大学 | 一种基于法向量的点云自动配准方法 |
CN103955939A (zh) * | 2014-05-16 | 2014-07-30 | 重庆理工大学 | 三维扫描***中点云拼接用边界特征点配准方法 |
Non-Patent Citations (1)
Title |
---|
郑德华: ""ICP算法及其在建筑物扫描点云数据配准中的应用"", 《测绘科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644433A (zh) * | 2017-08-30 | 2018-01-30 | 北京控制工程研究所 | 改进的最近点迭代点云配准方法 |
CN107644433B (zh) * | 2017-08-30 | 2020-07-14 | 北京控制工程研究所 | 改进的最近点迭代点云配准方法 |
CN111882614A (zh) * | 2020-07-30 | 2020-11-03 | 南京溧航仿生产业研究院有限公司 | 一种基于knn-icp算法的自由曲面定位方法 |
WO2022021479A1 (zh) * | 2020-07-30 | 2022-02-03 | 南京溧航仿生产业研究院有限公司 | 一种基于 knn-icp 算法的自由曲面定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955939A (zh) | 三维扫描***中点云拼接用边界特征点配准方法 | |
CN107044852B (zh) | 不平整状态下全站仪测量方法 | |
CN110363707A (zh) | 一种基于约束物虚拟特征的多视三维点云拼接方法 | |
CN110473239A (zh) | 一种三维激光扫描的高精度点云配准方法 | |
CN104392476A (zh) | 基于最小包围盒算法提取隧道三维轴线的方法 | |
CN103810271A (zh) | 基于路径跟随的三维点云物体形状特征匹配方法 | |
CN105354850B (zh) | 基于电场性质的复杂曲面零件尺寸三维匹配检测方法 | |
CN104634248A (zh) | 一种双目视觉下的转轴标定方法 | |
CN108959182A (zh) | 基于高斯过程回归的小天体引力场建模方法 | |
Zheng et al. | Reassembling 3D thin fragments of unknown geometry in cultural heritage | |
CN103294920B (zh) | 一种基于最小区域的零件圆柱度误差评定方法 | |
CN109188481A (zh) | 一种拟合gps高程异常的新方法 | |
CN104680530A (zh) | 一种icp算法 | |
Cheung et al. | Measurement and characterization of ultra-precision freeform surfaces using an intrinsic surface feature-based method | |
CN101847262A (zh) | 一种快速三维点云搜索匹配方法 | |
CN104280000A (zh) | 凸轮型线的在线检测方法 | |
Chen et al. | Stereo vision sensor calibration based on random spatial points given by CMM | |
CN102968400A (zh) | 一种基于空间直线识别与匹配的多视角三维数据拼接方法 | |
CN104680016A (zh) | 基于几何优化逼近的抛物线轮廓最小区域拟合方法 | |
CN108447126A (zh) | 基于参考平面的移动测量***激光点云精度评估方法 | |
CN201576308U (zh) | 一种复杂曲面的配准*** | |
CN110260817A (zh) | 基于虚拟标志点的复杂曲面偏折测量自定位方法 | |
CN113436249A (zh) | 一种快速稳健的单目相机位姿估计算法 | |
Yang et al. | Sparse scaling iterative closest point for rail profile inspection | |
Huang et al. | A high-precision registration method based on auxiliary sphere targets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150603 |
|
WD01 | Invention patent application deemed withdrawn after publication |