-
公开(公告)号：CN109035207B
公开(公告)日：2021-07-02
申请号：CN201810711625.7
申请日：2018-07-03
Applicant: 电子科技大学
Abstract: 本发明公开一种密度自适应的激光点云特征检测方法，为了解决现有特征检测算法对点云密度变化鲁棒性差的问题；本发明通过密度自适应的特征点提取，使得算法具备可重复性、鲁棒性和敏感性三个重要特征；并且以当前观测中其他特征点的相对位置作为描述信息，构建几何形状特征描述子；提高了特征匹配的鲁棒性。
-
公开(公告)号：CN109035207A
公开(公告)日：2018-12-18
申请号：CN201810711625.7
申请日：2018-07-03
Applicant: 电子科技大学
CPC classification number: G06T7/0004 , G06K9/6211 , G06K9/6218 , G06T2207/10028
Abstract: 本发明公开一种密度自适应的激光点云特征检测方法，为了解决现有特征检测算法对点云密度变化鲁棒性差的问题；本发明通过密度自适应的特征点提取，使得算法具备可重复性、鲁棒性和敏感性三个重要特征；并且以当前观测中其他特征点的相对位置作为描述信息，构建几何形状特征描述子；提高了特征匹配的鲁棒性。
-
公开(公告)号：CN107123138A
公开(公告)日：2017-09-01
申请号：CN201710294425.1
申请日：2017-04-28
Applicant: 电子科技大学
IPC: G06T7/35
CPC classification number: G06T7/35
Abstract: 本发明公开了一种基于vanilla‑R点对剔除策略的点云配准算法，它对现有点到点的点云配准算法中关联点对的剔除策略进行了改进，能有效增加点云配准算法的鲁棒性，获取更为准确的点云配准。本发明所设计的vanilla‑R点对剔除策略具体为通过随着迭代逐渐下降的模型最近点搜索距离阈值和互邻距离阈值来共同作用剔除噪声点对。通过两个策略的共同作用，可以保证点云准确、高效地配准。此外，本发明对随机采样点数的设置鲁棒性高，甚至少量的选点就能实现准确的配准，从而减少了运行时间，这是以往其他算法难以实现的。最后，本发明对算法收敛条件进行了设计，保证了该算法能够有效的收敛到一个全局最优解。
-
公开(公告)号：CN107123138B
公开(公告)日：2019-07-30
申请号：CN201710294425.1
申请日：2017-04-28
Applicant: 电子科技大学
IPC: G06T7/35
Abstract: 本发明公开了一种基于vanilla‑R点对剔除策略的点云配准算法，它对现有点到点的点云配准算法中关联点对的剔除策略进行了改进，能有效增加点云配准算法的鲁棒性，获取更为准确的点云配准。本发明所设计的vanilla‑R点对剔除策略具体为通过随着迭代逐渐下降的模型最近点搜索距离阈值和互邻距离阈值来共同作用剔除噪声点对。通过两个策略的共同作用，可以保证点云准确、高效地配准。此外，本发明对随机采样点数的设置鲁棒性高，甚至少量的选点就能实现准确的配准，从而减少了运行时间，这是以往其他算法难以实现的。最后，本发明对算法收敛条件进行了设计，保证了该算法能够有效的收敛到一个全局最优解。
-
-
-
Search Results
4
records
(took 0.014 seconds)
