【技术实现步骤摘要】
本专利技术涉及点云精配准，具体为一种基于新点到面和自适应鲁棒损失的点云精配准方法。
技术介绍
1、点云配准是一种在三维空间中将不同视角或时间点采集的点云数据进行对齐的技术，广泛应用于机器人、自动驾驶、三维重建等领域，然而，现有技术在处理部分重叠、含有大量离群点和噪声的点云数据时面临着诸多挑战，传统的最近点迭代(icp)技术虽然在一些简单场景中表现良好，但在面对复杂环境时，其收敛速度较慢，容易受到异常值的影响，有可能陷入局部最优解，这主要是因为icp算法依赖于对应点之间的距离最小化，而在实际应用中，对应点的匹配往往不是那么精确，特别是在点云数据存在遮挡或不完整时。
2、此外，icp算法在处理大尺度旋转和平移时效果不佳，需要良好的初始对齐作为前提，在没有有效的初始对齐的情况下，icp容易陷入局部最优，导致配准结果不理想，点到平面的icp(licp)算法虽然在某些方面有所改进，但它在处理大面积重叠区域时的性能仍然有限，此外，大多数传统算法忽略了点云数据本身的特性，如密度不均匀、分布不规则等，导致配准结果的准确性和鲁棒性大打折扣，在...
【技术保护点】
1.一种基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于，包括：
2.如权利要求1所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述通过激光雷达采集点云数据包括由不同激光雷达采集的、不完整且含有噪点的点云数据，点云数据环境包括人、动物、城市景观、自然地貌以及建筑物。
3.如权利要求2所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述构建对称数学模型包括针对激光雷达的点云数据，基于KD树查找最近邻，构建对称数学模型表示为：
4.如权利要求3所述的基于新点到面和自适应鲁棒损失的点云精配准方法，...
【技术特征摘要】
1.一种基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于，包括：
2.如权利要求1所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述通过激光雷达采集点云数据包括由不同激光雷达采集的、不完整且含有噪点的点云数据，点云数据环境包括人、动物、城市景观、自然地貌以及建筑物。
3.如权利要求2所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述构建对称数学模型包括针对激光雷达的点云数据，基于kd树查找最近邻，构建对称数学模型表示为：
4.如权利要求3所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述进行对应点更新包括基于对称数学模型，进行对应点更新，表示为：
5.如权利要求4所述的基于新点到面和自适应鲁棒损失的点云精配准方法，其特征在于：所述构建自适应权重更新机制包括基于对称数学模型，针对不同点云配准阶段的特性构建自适应权重更新机制，表示为：
6.如权利要求5所述...
【专利技术属性】
技术研发人员：黄海松，付盛伟，李科，马驰，范青松，谢灿坤，
申请(专利权)人：贵州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。