基于混合算法的点云配准方法研究

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (4): 408-416.

基于混合算法的点云配准方法研究

任伟建^1a，1b，高梦宇^1a，高铭泽²，张鹏³，刘丹⁴

1．东北石油大学a．电气信息工程学院; b．黑龙江省网络化与智能控制重点实验室，黑龙江大庆163318;2．中国石油管道局工程有限公司设计分公司，河北廊坊065000; 3．中国海洋石油集团有限公司东方石化有限责任公司，海南东方572600; 4．中国石油天然气股份有限公司辽河油田分公司钻采工艺研究院，辽宁盘锦124010

出版日期:2019-07-24 发布日期:2019-12-16
作者简介:任伟建( 1963— ) ，女，黑龙江泰来人，东北石油大学教授，博士生导师，主要从事复杂系统的建模与控制等研究，( Tel)86-13845901386( E-mail) renwj@126． com。
基金资助:
国家自然科学基金资助项目( 61374127) ; 黑龙江省科学基金资助项目( F2018004)

Ｒesearch on Point Cloud Ｒegistration Method Based on Hybrid Algorithm

ＲEN Weijian^1a，1b，GAO Mengyu^1a，GAO Mingze²，ZHANG Peng³，LIU Dan⁴

1a． School of Electrical Information and Engineering; 1b． Key Laboratory of Networking and Intelligent Control，Northeast Petroleum University，Daqing 163318，China; 2． China Petrileum Piperline Bureau，China Petroleum Pipeline Engineering Corporation Limited，Langfang 065000，China; 3． China National Offshore Oil Corporation Limited，CNOOC Dongfang Petrochemical Corporation Limited，Dongfang 572600，China; 4． D＆P Technology Ｒesearch Institute，Petrochina Liaohe Oil Field Company，Panjin 124010，China

Online:2019-07-24 Published:2019-12-16

摘要/Abstract

摘要： 为解决ICP( Iterative Closest Point) 算法对初始点云位置要求高且易陷入局部最优的问题，提出一种新的配准方法。首先遵从优势互补基本思想，结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法( AAGPSO: Adaptive Artificial Glowworm-Particle Swarm Optimization) ，以使算法的收敛速度变快，解的精度得到提高; 其次优化迭代最近点算法( ICP) ，将已改进的AAGPSO 算法引入ICP 配准算法中进行点云配准，解决ICP 算法因点云的初始位置相差较大而陷入局部最优问题，加快整体的配准效率。通过实验对比原始ICP 配准方法和改进的配准方法并对其进行误差分析，结果验证了AAGPSO 算法在传统ICP 算法的基础上提高了配准精度，并且加快了算法收敛速度，改进的配准方法具有明显优越性。

关键词: 人工萤火虫-粒子群优化算法, 点云配准, ICP 算法

Abstract: In order to solve the problem that the ICP ( Iterative Closest Point) algorithm has strict requirements on the initial point cloud position and is easy to be trapped in local optimum，a new registration method is proposed． Firstly，based on the idea of complementary advantages，the artificial glowworm algorithm and particle swarm algorithm are combined to propose an AAGPSO ( Adaptive Artificial Glowworm-Particle Swarm Optimization) ，accelerating the convergence speed of the algorithm and improving the accuracy of the solution．Secondly，for a different initial location of the point cloud，the improved AAGPSO algorithm is introduced into the ICP registration algorithm making ICP algorithm optimized，and solving the local optimum problem of the ICP
algorithm． The improved algorithm accelerates the overall registration efficiency． Finally，experimental data are used to compare the original ICP registration method with the improved registration method，and the error analysis is carried out． The AAGPSO algorithm improves the registration accuracy，accelerates the algorithm convergence speed．

Key words: artificial glowworm-particle swarm optimization algorithm ( AAGPSO) , point cloud registration, iterative closest point ( ICP) algorithm

中图分类号:

TP391

任伟建, 高梦宇, 高铭泽, 张鹏, 刘丹. 基于混合算法的点云配准方法研究[J]. 吉林大学学报(信息科学版), 2019, 37(4): 408-416.

ＲEN Weijian, GAO Mengyu, GAO Mingze, ZHANG Peng, LIU Dan. Ｒesearch on Point Cloud Ｒegistration Method Based on Hybrid Algorithm[J]. Journal of Jilin University (Information Science Edition), 2019, 37(4): 408-416.

[1]	刘霞, 李文. 基于变分模态分解的相关能量熵自适应阈值去噪[J]. 吉林大学学报(信息科学版), 2019, 37(5): 518-525.
[2]	袁满, 仇婷婷, 胡超. 细粒度课程知识元组织模型及知识图谱实现[J]. 吉林大学学报(信息科学版), 2019, 37(5): 526-532.
[3]	刘士兴, 鲁伟, 宋亚杰, 孙操. 基于CST 的连接器仿真研究[J]. 吉林大学学报(信息科学版), 2019, 37(5): 545-552.
[4]	赵毅, 向阳开, 梅迎军, 伍燕. 基于Unity 3D 的沥青混合料车辙虚拟仿真系统[J]. 吉林大学学报(信息科学版), 2019, 37(5): 553-558.
[5]	印桂生, 严雪, 王宇华, 张震. 基于卷积神经网络的手绘草图识别[J]. 吉林大学学报(信息科学版), 2019, 37(4): 417-425.
[6]	王海洋. 电场作用下海马锥体神经元等效应建模[J]. 吉林大学学报(信息科学版), 2019, 37(4): 442-449.
[7]	李曙军, 张宏杰, 王海棠, 王秋爽. 基于场景理论的STAC 课程数据库自动检索系统[J]. 吉林大学学报(信息科学版), 2019, 37(4): 457-462.
[8]	张喆原, 刘富. 基于纹理特征优化LPQ 的手背静脉提取方法[J]. 吉林大学学报(信息科学版), 2019, 37(3): 273-277.
[9]	徐林. 基于Spark MLlib协同过滤算法的美食推荐系统研究[J]. 吉林大学学报(信息科学版), 2019, 37(2): 181-185.
[10]	李昕迪, 陈万忠. 基于FSWT 和GBDT 的癫痫脑电信号分类研究[J]. 吉林大学学报(信息科学版), 2019, 37(2): 186-193.
[11]	周学仕. 基于模拟目标的光测装备实战化训练方法研究[J]. 吉林大学学报(信息科学版), 2019, 37(2): 194-201.
[12]	李金子, 肖炯然, 潘剑飞. 多永磁同步直线电机协同控制研究[J]. 吉林大学学报(信息科学版), 2019, 37(1): 32-39.
[13]	王桂荣, 金小峰. 基于计算语音方法的朝蒙单元音对比研究[J]. 吉林大学学报(信息科学版), 2019, 37(1): 68-74.
[14]	李温温, 王吉彬. 基于PCA 的指节纹图像全局特征提取与识别[J]. 吉林大学学报(信息科学版), 2019, 37(1): 75-79.
[15]	孙学诚, 陈前, 唐家骏, 石小川. 大数据背景下的恐怖主义信息传播途径分析[J]. 吉林大学学报(信息科学版), 2019, 37(1): 88-95.