摘要：针对模板匹配方法用于非结构化环境下的杂乱零件识别与定位精度低的问题,提出了亚像素级的配准算法.首先提出亚像素级的配准问题可视为计算模板图像与待配准图像的边缘点集的最优几何变换;然后提出了改进迭代最近点法来估计几何变换,包括使用动态邻域搜索策略快速搜索匹配点、利用匹配点的方向一致性约束和距离约束来移除误匹配点、用光照不变的点到曲线的距离来构造误差度量函数,再用线性最小二乘法给出误差函数的封闭解;最后使用自制零件和MPEG-7 shape B数据集进行实验,结果表明该算法配准正确率、实时性和精度均明显优于传统算法,能够满足非结构化环境下的杂乱零件亚像素配准精度和鲁棒性要求.

摘要：针对非线性光照变化、杂乱或遮挡等环境下目标定位精度低的问题,提出一种基于高斯混合模型和点到面距离的点云配准算法,以实现目标的精确定位.首先设模板点云元素服从高斯混合分布,根据点到面距离大小分配高斯混合模型中各组成部分的概率值,构建负对数似然函数;然后应用EM算法对点云优化,并推导了最大化步阶段Q函数的封闭解,提高算法实时性.以合成数据和实际的法兰零件点云为对象进行实验,结果表明,该算法配准精度和鲁棒性明显优于传统配准算法,能够满足复杂工况下目标精确定位要求.

摘要：为提高点集配准效率,设计一种适用于二维/三维点集的高效最近邻搜索法.该方法根据由模型点集的各维方差所选定的维度信息,排序模型点集中的点.借助二分查找法,将数据点集中的每个点插入至排序后的模型点集中,并利用左边第一个点确定搜索范围的上确界.当在确定范围内搜索最近邻时,可根据当前结果进一步减小待搜索范围,以便快速获得各点的最近邻.最后进行的复杂度分析和实验结果对比均验证文中方法的有效性.