|
|||||
|
|
| 基于PCA和Delaunay剖分点云配准算法研究 | |
| 摘 要： | 针对三维点云精配准算法无法处理初始位置相差较大的点云并易陷入局部最优的问题,提出一种基于特征值计算和匹配的粗配准算法。由于点云表征对象表面形状的一致性,通过主成分分析(PCA)法可以得到每个点的特征值,通过构建基于特征值的Delaunay三角网可以加速寻找特征值最接近的点,利用随机抽样一致性(RANSAC)算法可以获取优化的变换参数。实验表明,该粗配准算法可以有效处理点云初始位置较差的情况,将两点云调整到较好的位置,保证了大部分区域的重叠。 |
Study on Coarse Registration of Point Cloud Based on PCA and Delaunay Triangulations |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |