解读 | 快速精确的体素GICP三维点云配准算法

最新推荐文章于 2025-12-19 15:31:04 发布

原创

最新推荐文章于 2025-12-19 15:31:04 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#算法

本文提出了一种新的算法VGICP，通过体素化改进GICP，避免了昂贵的最近邻搜索，能在CPU和GPU上实现高效并行处理，实现在30Hz（CPU）和120Hz（GPU）的速度，且配准精度与GICP相当。

原创 | 文 BFT机器人

01 摘要

本文提出了体素化广义迭代最近点（VGICP）算法，用于快速准确的三维点云配准。所提出的方法通过体素化扩展了广义迭代最近点（GICP）方法，以避免昂贵的最近邻搜索，同时保持其准确性。与从点位置计算体素分布的正态分布变换（NDT）相反，我们通过聚合体素中每个点的分布来估计体素分布。

体素化方法使我们能够高效地并行处理优化，并且所提出的算法可以在CPU上以30 Hz运行，在GPU上以120 Hz运行。通过在模拟和真实环境中的评估，我们确认所提出的算法的准确性与GICP相当，但比现有方法要快得多。这将使实时3D LIDAR应用程序的开发成为可能，这些应用程序需要对LIDAR帧之间的相对位姿进行极快速的评估。

02 相关介绍

三维 (3D) 点云配准对于许多3D LIDAR应用（例如校准、定位、测绘和环境识别）来说是一项至关重要的任务。3D LIDAR有两种流行的点云配准方法：广义迭代最近点 (GICP) 和正态分布变换 (NDT)。

GICP以分布到分布的比较方式扩展了经典ICP算法[4]，以实现准确配准，而NDT利用体素化方法来避免昂贵的最近邻搜索并提高处理速度。然而，这两种方法都有其自身的弱点。由于GICP和其他ICP变体高度依赖最近邻搜索，因此如果点数很大，有时很难在计算能力有限的计算机上实时运行它们。相反，NDT通常对体素分辨率的选择非常敏感。最佳体素分辨率取决于环境和传感器属性，如果我们不选择合适的分辨率，NDT的配准精度会急剧下降。

在本文中，我们提出了V oxelized GICP (VGICP) 算法，用于快速准确的3D点云配准。体素化方法使所提出的算法能够有效地并行运行，并且我们的VGICP实现可以在CPU上以30 Hz频率和GPU上以120 Hz频率处理包含15,000个点的点云。通过聚合体素中所有点的分布（多点分布到单体素分布），我们估计体素稳健。与从点位置估计体素分布的NDT相比，