排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题,提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征,从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上,使用K维树搜索完成局部几何特征描述子的关联工作。最后,通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明,该方法的配准成功率达到92.5%,配准精度达到0.0434m,配准时间相对最邻点迭代配准算法缩短了74.7%,实验结果验证了该方法的有效性、实时性和鲁棒性。 相似文献
2.
3.
4.
5.
6.
目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类.动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,故提出了一种基于可重构标定板的激光雷达与视觉传感器的联合标定方法.首先,对传统的标定板进行拆分与重构,采用类条形码的方式自动识别激光雷达特征点,并添加相机校验机制以缓解标定过程中相机识别的不稳定性带来的误差.最后,通过与双目相机标定,采用重投影的方式对外参标定结果进行可视化主观评价与客观量化评价.实验表明,该标定方法的均方根误差(RMSE)为1.275cm,重投影后的误差为3.2个像素. 相似文献
1