在点云数据处理中,点云配准是重要的中间环节。好的点云配准为构建高精度的模型提供了保证。点云配准的关键在于求解变换矩阵。通过对比目前常用求解变换矩阵的奇异值分解(SVD)算法和列文伯格-马夸尔特(LM)算法,提出了一种新的点云配准方法。首先,构建一个新的矩阵指数来表示变换矩阵;其次,为提高整体点云配准的速度,采用K-D tree法来搜索最近点;接着,运用随机采样一致性(RANSAC)算法去除错误的点云,以减少点云迭代次数;最后,运用提出的矩阵指数来求解变换矩阵,以完成点云配准。试验结果表明,新方法在配准精度和速度上都优于SVD算法和LM算法。该方法为点云数据处理提供了参考。点云配准方法-数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机 从式(9)可以看出,本文方法很好地避免了上述两种算法的不足,能够快速、精确地求出变换矩阵。1.3点云配准为了加快对点云对(pi,qi)最近点的搜索,采用K-Dtree搜索法来寻求最近点本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanj
- [2019-08-06]传感器优化设计-液压电动滚圆机
- [2019-08-06]界面自组装-数控滚圆机滚弧机电
- [2019-08-06]澄清效果的影响-数控滚圆机滚弧
- [2019-08-05]刚度的解析公式-数控滚圆机滚弧
- [2019-08-05]制备及缓释性能-数控滚圆机滚弧
- [2019-08-05]组振动建模研究-数控滚圆机滚弧
- [2019-08-04]模型的风电功率预测-数控滚圆机
- [2019-08-04]最大准入容量计算-数控滚圆机滚
- [2019-08-03]传输电缆建模研究-数控滚圆机滚
- [2019-08-03]风电网损及运行-数控滚圆机滚弧