基于ICP算法和Bursa模型改进的点云配准算法

doi:10.13474/j.cnki.11-2246.2025.0612

测绘通报 ›› 2025, Vol. 0 ›› Issue (6): 68-72.doi: 10.13474/j.cnki.11-2246.2025.0612

• 学术研究 • 上一篇

基于ICP算法和Bursa模型改进的点云配准算法

张明敏¹, 胡秋宝², 黄团冲², 柳义成¹, 郑金鑫¹

1. 交通运输部天津水运工程科学研究所, 天津 300452;
2. 江西省港口集团有限公司九江港口项目建设指挥部, 江西九江 332000

收稿日期:2024-10-08 发布日期:2025-07-04
作者简介:张明敏(1991—),男,硕士,工程师,研究方向为点云数据处理。E-mail:2570983389@qq.com
基金资助:
国家重点研发计划(2023YFB3907200);江西省交通运输厅科技项目(2023C0010)

Improved point cloud registration algorithm based on ICP algorithm and bursa model

ZHANG Mingmin¹, HU Qiubao², HUANG Tuanchong², LIU Yicheng¹, ZHENG Jinxin¹

1. Tianjin Research Institute for Water Transport Engineering, M. O. T., Tianjin 300452, China;
2. Jiujiang Port Project Construction Headquarters, Jiangxi Port Group Co., Ltd., Jiujiang 332000, China

Received:2024-10-08 Published:2025-07-04

摘要/Abstract

摘要： 针对Bursa模型仅适用于小角度点云配准的问题,本文结合ICP算法提出了一种改进的点云配准算法。首先通过ICP算法对点云进行粗配准,迭代旋转、平移源点集直至收敛结果满足Bursa模型的使用要求;然后基于间接平差原理,使用Bursa模型完成源点集精确配准。试验表明,该算法配准结果的RMSE均小于0.010m,不仅弥补了Bursa模型适用范围的局限性,而且相对于传统ICP算法,配准精度在X、Y及Z方向分别提高了97.8%、95.8%、96.5%。

关键词: ICP, Bursa模型, 点云配准, RMSE

Abstract: This paper proposes an improved point cloud registration algorithm based on the iterative closest point(ICP)algorithm to address the issue that the Bursa model is only suitable for small angle point cloud registration.Firstly, rough registration of the point cloud is performed using the ICP algorithm, and the source point set is iteratively rotated and translated until the convergence result meets the requirements for using the Bursa model.Then, based on the principle of indirect adjustment, the Bursa model is used to achieve accurate registration of the source point set.The experiment shows that the root mean squared error(RMSE)for accurate registration results of ICP-Bursa algorithm is less than 0.010 m, which not only compensates for the limitations of the applicability of the Bursa model, but also improves the registration accuracy of the traditional ICP algorithm by 97.8%, 95.8%, and 96.5% in the X-axis, Y-axis, and Z-axis directions, respectively.

Key words: ICP, Bursa model, point cloud registration, RMSE

中图分类号:

P237

张明敏, 胡秋宝, 黄团冲, 柳义成, 郑金鑫. 基于ICP算法和Bursa模型改进的点云配准算法[J]. 测绘通报, 2025, 0(6): 68-72.

ZHANG Mingmin, HU Qiubao, HUANG Tuanchong, LIU Yicheng, ZHENG Jinxin. Improved point cloud registration algorithm based on ICP algorithm and bursa model[J]. Bulletin of Surveying and Mapping, 2025, 0(6): 68-72.

参考文献

[1] 许哲,董林啸,吴家跃.改进ICP算法的激光雷达点云配准[J].测绘通报,2024(4):1-5.
[2] 李宏宇.激光雷达的点云数据处理研究[D].长春:长春理工大学,2019.
[3] CHEN Yang,MEDIONI G.Object modelling by registration of multiple range images[J].Image and Vision Computing,1992,10(3):145-155.
[4] 陈安国.面向工业测量的三维点云自动配准技术研究[D].哈尔滨:哈尔滨工业大学,2022.
[5] RUSINKIEWICZ S.A symmetric objective function for ICP[J].ACM Transactions on Graphics,2019,38(4):1-7.
[6] KANG Guohua,ZHANG Qi,WU Jiaqi,et al.Pose estimation of a non-cooperative spacecraft without the detection and recognition of point cloud features[J].Acta Astronautica,2021,179:569-580.
[7] 李慧慧,刘超,陶远.一种改进的ICP激光点云精确配准方法[J].激光杂志,2021,42(1):84-87.
[8] 王如义,周志峰,张维,等.基于IMU和改进ICP算法的激光雷达点云融合算法[J].应用激光,2023,43(11):161-172.
[9] 李艳红,闫建国,王晓燕.基于邻域曲率改进的迭代最近点激光雷达目标点云配准[J].激光与光电子学进展,2023,60(2):0228008.
[10] 刘琰.基于激光雷达数据的道路场景建模[D].成都:西南交通大学,2022.
[11] MITRA N J,GELFAND N,POTTMANN H,et al.Registration of point cloud data from a geometric optimization perspective[C]//Proceedings of 2004 Eurographics/ACM SIGGRAPH Symposium on Geometry Processing.Nice:ACM Press,2004:22-31.
[12] 严剑锋,邓喀中.基于特征点提取和匹配的点云配准算法[J].测绘通报,2013(9):62-65.
[13] 刘翔宇,王健,王效盖,等.基于3DSIFT特征点的改进ICP点云配准算法[J].应用激光,2023,43(11):153-160.
[14] 钱帅.复杂零件三维点云配准技术研究[D].天津:天津科技大学,2023.
[15] 于彩霞,黄文骞,樊沛.Bursa的3参数模型与7参数模型的适用性研究[J].测绘科学,2008,33(2):96-97.
[16] 邹敏.基于整体最小二乘的多视点云配准方法研究[D].淮南:安徽理工大学,2017.
[17] 姜军.集装箱表面损伤的光学检测算法研究[D].哈尔滨:哈尔滨工业大学,2009.
[18] 陶本藻,邱卫宁.误差理论与测量平差[M].武汉:武汉大学出版社,2012.

基于ICP算法和Bursa模型改进的点云配准算法

Improved point cloud registration algorithm based on ICP algorithm and bursa model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	付超, 夏佳毅, 解琨, 吴大鹏, 付沁珵. 复杂场景下多模态点云数据配准技术[J]. 测绘通报, 2024, 0(6): 146-150.
[2]	许哲, 董林啸, 吴家跃. 改进ICP算法的激光雷达点云配准[J]. 测绘通报, 2024, 0(4): 1-5.
[3]	杜佳涛, 王凤艳, 王明常, 吴翔, 刘星男, 马润泽, 安志磊. 基于多源数据融合的数字工厂三维模型重建与可视化[J]. 测绘通报, 2024, 0(2): 95-99.
[4]	牛学超. 一种基于位置识别的室内场景点云配准方法[J]. 测绘通报, 2023, 0(4): 150-153,158.
[5]	周长江, 张晨辉. 新型测绘技术在城市部件普查中的应用[J]. 测绘通报, 2023, 0(12): 147-152.
[6]	胡晓静, 刘钰, 陈延博, 李书丹, 李遥. 融合多源数据的城市三维建模方法探索[J]. 测绘通报, 2023, 0(11): 128-131.
[7]	陈恬宇, 孙立双, 车德福. 二维激光雷达的实时三维重建方法[J]. 测绘通报, 2023, 0(10): 67-73.
[8]	岳胜杰, 王红旗, 刘群坡, 赵荣亮. 结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计[J]. 测绘通报, 2022, 0(7): 49-53.
[9]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[10]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[11]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[12]	崔家武, 周波阳, 张兴福, 柴向浩, 樊树春. 利用MPI实现多幅点云ICP并行配准[J]. 测绘通报, 2021, 0(3): 87-90.
[13]	赵彦刚, 付守健, 陈宏强, 吴波. Heron移动背包三维激光扫描系统在1∶500大比例尺测图中的精度评价及效率分析[J]. 测绘通报, 2021, 0(10): 114-116.
[14]	赵文更, 张旭, 邵晴晴. 融合反射强度图像的地铁隧道点云自动配准[J]. 测绘通报, 2020, 0(9): 38-41.
[15]	王树臻, 郑国强, 王光生, 胡玉民, 张德怀, 亓伟. 多源点云数据融合的建筑物精细化建模[J]. 测绘通报, 2020, 0(8): 28-32,38.