动态扫描场景下GM-APD激光雷达点云高精度配准方法研究
-
摘要: 本研究针对盖革雪崩光电二极管（Geiger-mode avalanche photodiode，GM-APD）激光雷达在动态扫描场景下相邻帧点云重叠率低、易强制配准非匹配点对的问题，提出了一种基于双向匹配机制和多分辨率邻域扩展的改进ICP算法，以提高点云配准精度和鲁棒性。首先，通过基于K-D tree的双向匹配机制提取相邻帧点云的重叠区域，利用重叠区域信息建立初始配准模型，解决了低重叠率场景下配准精度下降的问题。其次，采用多分辨率邻域扩展技术，结合局部曲率相似性加权求解变换矩阵，避免了动态配准中强制对齐非匹配点对的现象。最后，通过级联补偿机制实现全局点云的精确配准。实验结果表明，在2km和400m扫描成像中，平均距离误差分别为0.21m和0.10m。该方案有效解决了动态扫描场景下的点云配准难题，为三维重构提供了高精度数据支持，具有重要应用价值。Abstract: 本研究针对盖革雪崩光电二极管（Geiger-mode avalanche photodiode，GM-APD）激光雷达在动态扫描场景下相邻帧点云重叠率低、易强制配准非匹配点对的问题，提出了一种基于双向匹配机制和多分辨率邻域扩展的改进ICP算法，以提高点云配准精度和鲁棒性。首先，通过基于K-D tree的双向匹配机制提取相邻帧点云的重叠区域，利用重叠区域信息建立初始配准模型，解决了低重叠率场景下配准精度下降的问题。其次，采用多分辨率邻域扩展技术，结合局部曲率相似性加权求解变换矩阵，避免了动态配准中强制对齐非匹配点对的现象。最后，通过级联补偿机制实现全局点云的精确配准。实验结果表明，在2km和400m扫描成像中，平均距离误差分别为0.21m和0.10m。该方案有效解决了动态扫描场景下的点云配准难题，为三维重构提供了高精度数据支持，具有重要应用价值。
-
计量
- 文章访问数: 21
- HTML全文浏览量: 7
- PDF下载量: 0
- 被引次数: 0
下载:
