迭代最近点(Iterative Closet Point,ICP)算法及其变体是两个点集之间刚性配准的基本技术,在机器人技术和三维重建等领域有着广泛的应用。ICP的主要缺点是:收敛速度慢,以及对异常值、缺失数据和部分重叠的敏感性。其他改进算法(例如:稀疏ICP),通过稀疏性优化实现鲁棒性,但代价是计算速度较慢。因此,张举勇等人提出了Fast and Robust ICP方法,该方法的主要思路是通过安德森加速方法(Anderson Acceleration)来加快Majorization-Minimization(MM)算法收敛速度。在此基础上,提出了一种基于Welsch函数的鲁棒误差度量方法,利用安德森加速的MM算法有效地最小化该误差度量。在具有噪声和部分重叠的数据集上,获得了与稀疏ICP相似或更好的精度,处理速度比先前算法快一个数量级。该方法最后将基于Welsch函数的鲁棒误差度量方法扩展到点对平面的ICP,并使用类似的安德森加速MM策略来解决由此产生的问题。Robust ICP提高了基准数据集上的配准精度,同时在计算时间上具有竞争力。
相关推荐
Swift社区2 小时前
LeetCode - #139 单词拆分Kent_J_Truman3 小时前
greater<>() 、less<>()及运算符 < 重载在排序和堆中的使用IT 青年3 小时前
数据结构 (1)基本概念和术语Dong雨4 小时前
力扣hot100-->栈/单调栈SoraLuna4 小时前
「Mac玩转仓颉内测版24」基础篇4 - 浮点类型详解liujjjiyun4 小时前
小R的随机播放顺序¥ 多多¥4 小时前
c++中mystring运算符重载trueEve5 小时前
SQL,力扣题目1369,获取最近第二次的活动天若有情6735 小时前
c++框架设计展示---提高开发效率!ahadee6 小时前
蓝桥杯每日真题 - 第19天