基于缩放迭代最近点算法的mD点集标定

简介：
本研究提出了一种基于缩放迭代最近点(SICP)算法的方法，用于精确标定多维度(mD)点集数据，提升了不同尺度下的配准精度和效率。 点集配准对于多台摄像机的校准、3D重建及识别等问题至关重要。迭代最近点（ICP）算法在处理相同比例的点集配准时准确且高效，但无法应对不同比例的情况。为解决这一问题，本段落提出了一种称为缩放迭代最近点（SICP）的新方法，该方法将带有边界的缩放矩阵融入到原始ICP算法中以实现尺度匹配。 在每个迭代步骤中，我们确定两个mD点集间的对应关系，并运用快速的迭代算法结合奇异值分解（SVD），利用抛物线特性来计算比例、旋转和平移变换。研究证明了SICP算法能够从任意初始参数单调收敛至局部最优解，因此为了达到全局最小值需要良好的起始条件。本段落通过分析点集协方差矩阵成功估计出这些必要的初始参数。 该方法与形状表示和特征提取无关，适用于缩放mD点集的配准任务。实验结果表明，相较于标准ICP算法，SICP在效率及精度方面均有显著提升。