.png){kind=icon}
返回
A Point Cloud Registration Method Based on Triangular Mesh Features
.png){kind=icon}
PRE
AI
DOI：10.3390/app16105167.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决传统初始配准方法结合迭代最近点（ICP）算法对点云密度和位姿等初始参数高度敏感，常导致精度下降甚至误配准的问题，本文提出了一种融合三角网格特征的激光雷达点云配准方法。首先，采用网格曲面重建算法（Crust Triangulation）构建输入点云的三角网格；然后，引入基于三角网格的关键点提取方法（KE-TM）；随后，构建三角形特征直方图（TFH）作为特征描述符；在此基础上，提出一种基于三角网格的初始对齐方法（TM-IA），实现点云的粗配准；最后，应用ICP算法精化对齐。在不完整兔子点云上的对比实验表明，所提KE-TM方法在降低点云密度时仍能保持较高的关键点重复性。TM-IA与ICP相结合的配准方法在小初始位姿偏差下可实现旋转误差小于1度、平移误差小于1毫米，同时在较大初始错位情况下仍保持鲁棒性能。与现有方法相比，所提方法显著降低了初始参数敏感性并提高了精度，对3D点云精确对齐具有实际意义。
Keyword:
LiDAR
triangular mesh
keypoint extraction
point cloud registration
