改进RANSAC算法的场景分类点云粗配准方法

简介：
本研究提出了一种基于改进RANSAC算法的场景分类点云粗配准新方法，有效提升了不同场景下点云数据配准的精度与效率。 点云配准是基于RGB-D（RGB-depth）传感器进行室内场景重建的关键技术之一。为了解决稀疏建图过程中关键帧之间的点云配准问题，本段落提出了一种改进的随机采样一致性(RANSAC)算法用于场景分类下的点云粗配准。 具体而言，该方法首先利用几何信息和光度信息分别检测、描述并匹配关键点；其次通过场景分类算法判断当前场景类型，并根据场景特性灵活结合几何与光度特征进行匹配。最后，提出了一种改进的RANSAC算法，在此过程中采用有偏重随机采样以及自适应假设评价策略来估计两帧之间的变换矩阵。 实验部分采用了公开的数据集对所提点云粗配准方法进行了验证，并与其他多种现有技术进行了对比分析。结果表明，该算法能够有效地进行稳健可靠的变换矩阵估算，从而有助于后续的精配准及整体室内场景重建工作。