基于深度学习图像描述子的三维彩色点云配准 |
| |
引用本文: | 李佳骏,安毅,秦攀,顾宏.基于深度学习图像描述子的三维彩色点云配准[J].大连理工大学学报,2021,61(3):316-323. |
| |
作者姓名: | 李佳骏 安毅 秦攀 顾宏 |
| |
作者单位: | 大连理工大学控制科学与工程学院,辽宁大连 116024 |
| |
基金项目: | 国家自然科学基金资助项目(8187224761673083);山西省科技重大专项揭榜项目(20191101014). |
| |
摘 要: | 不断发展的激光扫描技术使得获取三维空间中的彩色点云信息更加方便.但是,如何将多个采集点生成的彩色点云数据统一在同一个坐标系下,构建一个完整的数据模型仍是一个挑战.因此,提出了一种基于深度学习的图像描述子,将其应用于三维彩色点云配准中,能够以较高精度获取点云配准的初始位姿.首先,根据点云和图像之间的一一对应关系,将三维彩色点云投影为图像;其次,使用卷积神经网络提取关键点邻域的局部特征,结合方向梯度直方图,形成组合描述子;再次,根据计算出的组合描述子计算点云的匹配点对,得出点云间的转换关系,实现点云粗配准.以实际的三维彩色点云数据与多种配准算法进行对比,验证了所提方法的有效性.
|
关 键 词: | 彩色点云数据 刚性配准 局部描述子 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《大连理工大学学报》浏览原始摘要信息 |
| 点击此处可从《大连理工大学学报》下载免费的PDF全文 |
|