Iterativ algoritm för närmaste punkter

Iterative Closest Point Algorithm  ( ICP ) är en algoritm som används för att minimera skillnaden mellan två punktmoln . ICP används ofta för att rekonstruera tvådimensionella (2D) eller tredimensionella (3D) ytor från olika skanningar, för att bestämma platsen för robotar och planera deras optimala väg (särskilt när hjuldistansmätning är opålitlig på grund av hal terräng), för att registrera en benmodell osv.

Algoritmen är konceptuellt enkel och används ofta i realtid . Den tillämpar upprepade gånger de transformationer (skift, rotation) som krävs för att minimera avståndet mellan punkter från två råskanningar.

Indata: poäng från två råskanningar, initial transformationspoäng, kriterier för att stoppa iteration.

Resultat: perfekt förvandling.

I huvudsak är dessa steg i algoritmen:

1. Massa poäng efter närmaste granne kriterium .
2. Uppskattning av transformationsparametrar med hjälp av rotmedelkvadratkostnadsfunktionen.
3. Punkttransformationer med hjälp av uppskattade parametrar.
4. Flera iterationer (återansluta prickarna och så vidare).

Se även

• MeshLab är ett mesh-bearbetningsverktyg med öppen källkod som inkluderar GNU GPL- implementeringen av ICP-algoritmen.
• CloudCompare är ett verktyg för öppen källkod och modellbearbetning som inkluderar en implementering av ICP-algoritmen.
• Point Cloud Library är ett punktmolnbibliotek med öppen källkod för bearbetning av 3D-geometri och n-dimensionella punktmoln. Den innehåller flera varianter av ICP-algoritmen.

Länkar

• ICP för fri formregistrering av kurvor och ytor (1992) (Zhengyou Zhang)
• Differentiering av ICP-ekvationer
• Effektiva varianter av ICP-algoritmer
• Slutlig ICP-metod i Matlab
• ICP-metod i Matlab
• ICP-metod i C++