A Depth-Based Weighted Point Cloud Registration for Indoor Scene.
A Depth-Based Weighted Point Cloud Registration for Indoor Scene.
复制标题
室内场景的基于深度的加权点云配准
DOI：
10.3390/s18113608
复制
发表时间：
2018-10-24
期刊：
影响因子：
--
通讯作者：
Liu DX
中科院分区：
文献类型：
--
作者：
Liu S;Gao D;Wang P;Guo X;Xu J;Liu DX
点云配准在三维场景重建中起着关键作用，决定着重建的效果。迭代最近点算法是点云配准中广泛使用的一种算法。为了提高点云配准的精度和配准误差的收敛速度，采用欧氏距离较小的点对作为待配准点，分析了深度测量误差模型和权函数。在配准过程中考虑测量误差。不同室内场景的实验结果表明，该方法有效地提高了配准精度和配准误差的收敛速度。
Point cloud registration plays a key role in three-dimensional scene reconstruction, and determines the effect of reconstruction. The iterative closest point algorithm is widely used for point cloud registration. To improve the accuracy of point cloud registration and the convergence speed of registration error, point pairs with smaller Euclidean distances are used as the points to be registered, and the depth measurement error model and weight function are analyzed. The measurement error is taken into account in the registration process. The experimental results of different indoor scenes demonstrate that the proposed method effectively improves the registration accuracy and the convergence speed of registration error.
登录
查看更多内容
DOI：
10.1109/34.121791
发表时间：
1992-02-01
影响因子：
23.6
作者：
BESL, PJ;MCKAY, ND
通讯作者：
MCKAY, ND
基于语义特征点的大规模城市场景点云自动配准
DOI：
10.1016/j.isprsjprs.2015.12.005
发表时间：
2016-03-01
影响因子：
12.7
作者：
Yang, Bisheng;Dong, Zhen;Liu, Yuan
通讯作者：
Liu, Yuan
影响因子：
3.5
作者：
Pomerleau, Francois;Colas, Francis;Magnenat, Stephane
通讯作者：
Magnenat, Stephane
DOI：
10.1109/tim.2016.2608560
发表时间：
2017-02-01
影响因子：
5.6
作者：
Wan, An;Xu, Jing;Chen, Ken
通讯作者：
Chen, Ken
DOI：
10.1186/s13634-016-0435-y
发表时间：
2017-01-07
影响因子：
1.9
作者：
Lin, Chien-Chou;Tai, Yen-Chou;Chen, Yong-Sheng
通讯作者：
Chen, Yong-Sheng