A Scale Stretch Method Based on ICP for 3D Data Registration
A Scale Stretch Method Based on ICP for 3D Data Registration
复制标题
一种基于ICP的3D数据配准尺度拉伸方法
DOI：
10.1109/tase.2009.2021337
复制
发表时间：
2009-07-01
影响因子：
5.6
通讯作者：
Qiao, Hong
中科院分区：
文献类型：
--
作者：
Ying, Shihui;Peng, Jigen;Qiao, Hong
在本文中，我们关注具有大规模拉伸和噪声的两个3D数据集的配准问题。首先，通过将一个比例因子纳入标准的迭代最近点（ICP）算法，我们将配准问题表述为一个在非线性空间上的约束优化问题。然后，我们应用奇异值分解（SVD）方法来迭代求解该优化问题。最后，我们建立了一种新的ICP算法，称为比例 - ICP算法，用于具有各向同性拉伸的数据集的配准。为了使所提出的算法实现全局收敛，我们提出了一种选择初始配准的方法。为了展示所提算法的性能和效率，我们在比例 - ICP算法和标准ICP算法之间进行了若干对比实验。
给从业者的注释 - 在本文中，我们提出了比例 - ICP算法，它用于处理具有比例拉伸的两个数据集之间的配准。在实际中，存在大量此类问题。例如，由传感器到物体表面的距离所决定的具有不同扫描分辨率的距离数据集之间的配准。数据集不仅可以是图像数据，还可以是其他测量数据，因此除了计算机视觉领域，它还可以扩展到加工行业。
In this paper, we are concerned with the registration of two 3D data sets with large-scale stretches and noises. First, by incorporating a scale factor into the standard iterative closest point (ICP) algorithm, we formulate the registration into a constraint optimization problem over a 7D nonlinear space. Then, we apply the singular value decomposition (SVD) approach to iteratively solving such optimization problem. Finally, we establish a new ICP algorithm, named Scale-ICP algorithm, for registration of the data sets with isotropic stretches. In order to achieve global convergence for the proposed algorithm, we propose a way to select the initial registrations. To demonstrate the performance and efficiency of the proposed algorithm, we give several comparative experiments between Scale-ICP algorithm and the standard ICP algorithm.