基于混合算法的点云配准方法研究

摘要

为解决ICP(Iterative Closest Point)算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法.首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法(AAGPSO:Adaptive Artificial Glowworm-Particle Swarm Optimization),以使算法的收敛速度变快,解的精度得到提高;其次优化迭代最近点算法(ICP),将已改进的AAGPSO算法引入ICP配准算法中进行点云配准,解决ICP算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率.通过实验对比原始ICP配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO算法在传统ICP算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性.