基于Frobenius范数奇异值分解的快速ICP算法

摘要：

迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法,但此类通过迭代计算逐点距离矩阵实现点云配准的方式,严重制约了点云的配准效率.本文提出一种快速ICP算法,利用Frobenius范数表示待配准的两幅点云之间的误差函数,获得误差值最小点位置,并对此位置进行奇异值分解,从而得到旋转矩阵和平移向量,极大压缩了迭代次数和配准时间.在Standford数据集和3DMatch数据集上进行试验,与传统ICP算法及其变体、3种基于学习的点云配准算法进行对比,本文方法配准效率最优;在达到相近的配准精确度时,提出的快速ICP方法的迭代次数仅为传统ICP算法的 0.2 倍,在Standford数据集上配准所需时间为传统ICP算法的 1/4,在 3D Match数据集上配准所需时间为传统ICP算法的1/8倍.本文提出的快速ICP算法在数据量大的点云场景下,具有更高的效率.

关键词：三维计算机视觉、点云数据处理、点云配准、快速迭代最近点法、Frobenius范数、奇异值分解

所属期刊栏目：21

分类号：TN914.42

资助基金：国家自然科学基金61921001

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1263-1270