首页|基于子空间K均值聚类的概率配准算法

基于子空间K均值聚类的概率配准算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对现有点集配准算法准确性较差问题,将聚类算法运用到配准过程中,提出一种基于聚类的概率配准算法.该算法首先运用子空间K均值聚类将需要配准的两个点集分别聚类,得到两个聚类中心集合;然后对两个聚类中心集合进行配准,将得到的聚类中心对应关系投影到两个点集的对应关系;最后使用一致性点漂移算法作为配准框架,在投影得到的两个点集的对应关系基础上保持局部拓扑,完成对两个点集的配准.实验结果表明:该算法与当前先进的全局-局部拓扑保持算法相比,在3种不同的三维数据集中准确率分别提高1.67％、4.91％、2.17％,表明该配准算法有效提高了点集配准的准确性.
Probabilistic Registration Algorithm Based on Subspace K-means Clustering

陈璐、汪亚明、韩永华

展开 >

浙江理工大学信息学院,浙江杭州310018

丽水学院,浙江丽水323020

点集配准 子空间K均值聚类 一致性点漂移 全局局部拓扑保持

2021

10.11907/rjdk.211085

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(11)
  • 1
  • 2