论文部分内容阅读
文章提出一种基于外轮廓特征的SVD-ICP(Single Value Decomposition-Iterative Closets Point,奇异值分解-迭代最近点)方向加速算法.该算法首先在待配准图像轮廓中采样得到特征点对集,然后求取仿射变换的最优配准参数.这种方法将SVD的最优化解析方法与迭代搜索相结合,可用于任意n维向量空间的匹配.实验结果表明,在迭代性能与程序复杂性方面均优于Fourier-Mellin算法和聚类法+LMS(最小二乘估计)算法.