Iterative Closest Point Algorithm
Der der Iterative Closest Point Algorithm ist ein Algorithmus, der es ermöglicht, Punktwolken aneinander anzupassen.
Für die Punktwolken werden Koordinatentransformationsparameter gesucht, sodass die Abstände zwischen den Punktwolken minimiert werden. Dazu wird für jeden Punkt aus der einen Punktwolke der jeweils nächste Punkt (closest Point) aus der anderen Punktwolke bestimmt. Die Quadratesumme der Abstände wird durch Anpassung der Transformationsparameter minimiert. Dieser Vorgang geschieht iterativ so lange, bis das Optimum gefunden ist.
Der Algorithmus wird vor allem zur Registrierung von 3D-Laserscanns verwendet. Die 3D-Punktwolken von verschiedenen Standpunkten werden durch den ICP aneinander angepasst. So kann ein Gesamtmodell aus einzelnen Scans zusammengesetzt werden.
Weblinks
- FastICP paper − Vergleich verschiedener ICP-Varianten
- Grundlage für ICP − Das Überführen von Koordinatensystemen ineinander mit Hilfe von Quaternionen