基于全局最优的快速一致性点漂移算法

摘要

目前受到广泛关注和研究的一致性点漂移（CPD）算法是一种基于高斯混合模型的点模式匹配算法,虽然该算法具有较强的鲁棒性,但其存在局部最优性和收敛速度随点集大小增加而下降等问题。针对上述问题,该文提出了一种新的基于全局最优的快速一致性点漂移算法。该算法首先将点集进行正交标准形约简,利用约简后点集的重要性质,推导出不完全观测数据的对数似然函数在全局最优解附近凸函数区域的边界值,再以该边界值为基础,采用多重初始化策略来实现全局最优。最后,提出了基于置信域的全局收敛二次平方迭代期望最大化算法,实现了全局优化算法的超线性收敛。模拟仿真与真实数据实验验证了该文算法是有效的、快速的以及鲁棒性较强的。