基于GPU的并行ICP点云配准算法研究

WANG Jiachen,YE Zhourun, OU Xin,YUAN Bin, WU Yan'an, ZHANG Shufeng

Journal of Hefei University of Technology(Natural Science)（2023）

合肥工业大学

被引用0|浏览12

摘要

针对传统串行精配准算法在海量点云数据配准时计算效率低的问题,文章利用图形处理器(graphics processing unit,GPU)的多线程计算能力将传统算法并行化,基于GPU实现并行化的统一计算设备架构迭代最近点(compute unified device architecture iterative closest point,CUDAICP)算法.首先采用粗配准方法对源点云进行旋转平移,得到源点云的初始位置,再将其与目标点云输入CUDAICP算法进行精配准;对房间点云、带有楼梯的房间点云 2 种场景点云数据进行配准实验.结果表明:在粗配准中,采样一致性初始配准(sample consensus initial alignment,SAC-IA)算法在不同场景下具有较好的效果;在精配准中,CUDAICP 算法与传统迭代最近点(iterative closest point,ICP)算法相比,在保证精度的同时,速度提升最高可达 8.2 倍.

更多

关键词

coarse registration,compute unified device architecture(CUDA),iterative closest point(ICP)algorithm,fine registration,point cloud registration

上传PDF