文献类型：期刊文章

作　　者：武越[1] 苑咏哲[1] 向本华[1] 绳金龙[1] 雷佳熠[1] 胡聪颖[1] 公茂果[2] 马文萍[3] 苗启广[1]

Wu Yue;Yuan Yongzhe;Xiang Benhua;Sheng Jinlong;Lei Jiayi;Hu Congying;Gong Maoguo;Ma Wenping;Miao Qiguang(School of Computer Science and Technology,Xidian University,Xi’an 710071,China;School of Electronic Engineering,Xidian University,Xi’an 710071,China;School of Artificial Intelligence,Xidian University,Xi’an 710071,China)

机构地区：[1]西安电子科技大学计算机科学与技术学院,西安710071 [2]西安电子科技大学电子工程学院,西安710071 [3]西安电子科技大学人工智能学院,西安710071

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(60903098);广东省重点领域研发计划项目(2020B090921001);中国人工智能学会—华为MindSpore学术奖励基金项目。

年　　份：2023

卷　　号：28

期　　号：9

起止页码：2763-2787

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、RCCSE、ZGKJHX、核心刊

摘　　要：随着三维数据采集设备的成熟与普及,由激光雷达、结构光传感器和立体相机等设备采集的点云数据引起了广泛关注,并以此研究出针对点云的配准、分类、分割和跟踪等算法,推动了点云相关研究领域的科研进展。点云配准是点云数据处理的一个重要研究方向,旨在找到一个刚性变换运动参数,使得运动参数作用于源点云后能够与参考点云对齐。传统的点云配准方法大多存在着对初始位姿、异常值敏感等问题,而计算智能方法在处理点云配准问题,例如去除孤立点或求解矩阵时可以有效解决这些问题,并且能够适用于点云重叠程度低的情况,表现出较强的鲁棒性和泛化性。这种方法不依赖于问题本身特性,也不需要建立精确的模型,只需要求出替代真值解的近似解,大幅简化了计算量。在计算智能中,深度学习因其强大的学习能力越来越多地应用于点云配准问题,同时由于进化计算的强大全局搜索能力以及模糊逻辑对不确定性的良好适应能力,许多研究也将这两种方法应用于配准问题。本文对点云配准领域中的计算智能方法进行全面讨论,分别从基于深度学习、进化计算和模糊逻辑的点云配准方法这3个方面展开论述,同时对传统的点云配准方法进行简要介绍,并对各种方法的优缺点进行了详细讨论,旨在以更全面、清晰的方式总结点云配准问题上的相关研究。

关 键 词：点云配准 计算智能  深度学习  进化计算 模糊逻辑

分 类 号：TP391.7]