基于混合特征重合区域预测的无标识点位姿测量OA
Pose measurement without marked points based on prediction of overlapping area with hybrid features
本文提出了一种结合三维点云测量技术与点云配准算法的无标识点位姿测量方案.针对传统点云配准算法对初始位置和噪声敏感,目标测量点云与参考点云部分重合以及密度差异大导致的异源点云配准精度低的问题,提出了一种基于混合特征重合区域预测的端到端位姿估计算法,即通过深度学习的方法实现点云配准.首先,设计点云混合特征编码模块,通过特征交互融合源点云与参考点云的特征,获得更丰富的特征表示.其次,基于混合特征设计参考点云重合掩码解码模块,保留参考点云中与源点云重合的…查看全部>>
The point cloud registration technique and 3D point cloud measurement technology without artificial marks are used to demonstrate a pose measurement solution in this study. The cross-source point cloud registration accuracy is relatively low due to the large density difference, especially when the measurement point cloud partially overlaps with the reference point cloud, and the typical point cloud registration procedure is susceptible to the initial p…查看全部>>
付鲁华;孙玉晶;孙长库;王鹏;张宝尚
天津大学精密测试技术及仪器国家重点实验室, 天津 300072||中航工业洛阳电光设备研究所光电控制技术重点实验室, 河南洛阳 471009天津大学精密测试技术及仪器国家重点实验室, 天津 300072天津大学精密测试技术及仪器国家重点实验室, 天津 300072天津大学精密测试技术及仪器国家重点实验室, 天津 300072||中航工业洛阳电光设备研究所光电控制技术重点实验室, 河南洛阳 471009中航工业洛阳电光设备研究所光电控制技术重点实验室, 河南洛阳 471009
位姿测量点云配准深度学习重合区域
pose measurementpoint cloud registrationdeep learningoverlapping area
《测试科学与仪器》 2023 (3)
253-262,10
Science and Technology on Electro-Optic Control Laboratory and the Fund of Aeronautical Science(No.201951048001)
评论