改进人工蜂群算法的点云数据配准优化研究

来源：计算机技术与发展杂志2023年第06期北京时间：

作者：马卫*;李微微

单位：南京旅游职业学院 酒店管理学院,江苏 南京 211100 Author(s): MA Wei* ;LI Wei-wei School of Hotel Management,Nanjing Institute of Tourism and Hospitality,Nanjing 211100,China 关键词: 点云配准;人工蜂群算法;二阶振荡;特征提取;配准优化 Keywords: point clouds registration;artificial bee colony algorithm;second-order oscillation;feature extraction;registration optimization 分类号: TP18 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 06. 013 摘要: 传统的迭代最近点(Iterative Closest Point,ICP) 算法对点云配准产生初始位置敏感,易陷入局部最优,采用群智能优化算法可以有效解决这一问题,但同时会带来计算量较大、搜索效率不高的问题。 为此,该文提出了一种二阶振荡的人工蜂群算法点云配准方法, 通过对输入点云的均匀采样, 并基于邻域半径约束的固有形状特征点 ( Intrinsic ShapeSignature,ISS) 提取简化点云,通过改进的二阶振荡人工蜂群算法完成对点云较好的初始配准,得到空间变换矩阵参数。最后通过近邻搜索法( k-Dimension tree,k-d tree)加速对应点查找,以提高点云 ICP 精细配准的效率。 通过对不同初始位置的点云库模型和场景数据进行的配准实验表明,相比传统的配准方法和改进的群智能优化策略,该算法抗噪性好,配准精度高,鲁棒性强。

摘要：传统的迭代最近点(Iterative Closest Point,ICP) 算法对点云配准产生初始位置敏感,易陷入局部最优,采用群智能优化算法可以有效解决这一问题,但同时会带来计算量较大、搜索效率不高的问题。 为此,该文提出了一种二阶振荡的人工蜂群算法点云配准方法, 通过对输入点云的均匀采样, 并基于邻域半径约束的固有形状特征点 ( Intrinsic ShapeSignature,ISS) 提取简化点云,通过改进的二阶振荡人工蜂群算法完成对点云较好的初始配准,得到空间变换矩阵参数。最后通过近邻搜索法( k-Dimension tree,k-d tree)加速对应点查找,以提高点云 ICP 精细配准的效率。 通过对不同初始位置的点云库模型和场景数据进行的配准实验表明,相比传统的配准方法和改进的群智能优化策略,该算法抗噪性好,配准精度高,鲁棒性强。

关键词：点云配准;人工蜂群算法;二阶振荡;特征提取;配准优化