论文部分内容阅读
针对基于群智能优化的点云配准算法计算时间长的问题，提出一种基于CUDA的并行粒子群配准算法。以点对点距离最短为适应度函数，利用粒子群算法各粒子天然的并行性，将运算过程分配到GPU的各个线程中计算变换参数。由于GPU多个线程运算同时执行互不干扰，极大的提高了粒子群的运算速度，从而可以实现点云的快速、精确配准。实验结果表明，本算法既克服了ICP算法对点云初始位置要求高的缺点，又有效解决了基于群智能优化的点云配准算法计算时间长的问题。