30 基于相似性测度研究的点云匹配关系求解研究

最新推荐文章于 2023-09-14 00:30:00 发布

weixin_30399821

最新推荐文章于 2023-09-14 00:30:00 发布

阅读量1.3k

点赞数

文章标签：人工智能大数据

原文链接：http://www.cnblogs.com/ghjnwk/p/10194709.html

版权

该研究聚焦于点云匹配中的局部几何特征提取，介绍了3DMatch、3DFeat-Net、自动编码器等深度学习描述子，并讨论了端到端点云学习框架在配准任务中的应用。通过对点云的下采样、特征描述子提取和RANSAC排除错误匹配，实现了点云的精确配准。

摘要由CSDN通过智能技术生成

0 引言

问题背景：大量的工程实践表明，点云匹配关系的求解是一个非常复杂而困难的问题。其核心点在于找到一种映射方法，该方法将某个点映射到一个有限m维的特征向量，
A = {a₁，a₂，a₃，…，a_m}. 基于某种距离度量的方法，比如欧式距离法，计算A与任意某B的距离值距离值为distance = |A-B|.若A与B的距离值与两点在几何及
拓扑上的相似性呈正相关，该相关系数越接近1（或者-1，效果相似），则该映射方法和距离函数的组合描述效果越好。现在需要找到一种合适的映射方法，对这种方法
的要求如下：
1、这种方法能够实现点云与CAD模型的准确匹配，误差在1mm以内为宜；
2、点云与CAD模型的尺度在200mm3 以内，小尺度点云；
3、点云与CAD模型文件的完整度高，数据可匹配性好，基本不存在遮挡等情况；

1 问题解决流程

（1）制作数据集，CAD转obj，点云转obj，读入之后统一转为pcd标准格式进行处理；