新闻网讯（通讯员万舒良）近日，机器视觉期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（《模式分析与机器智能汇刊》IF=17.86）在线发表了遥感信息工程学院青年教师李加元（特聘副研究员）课题组研究成果，该研究实现了激光扫描视觉特征级点云高精度自动配准技术。
论文题为“A Practical O (N2) Outlier Removal Method for Correspondence-based Point Cloud Registration”（《适用于特征级点云配准的实用粗差剔除方法》）。该研究工作针对特征级点云配准中高粗差比率问题（误匹配率>95%），定义了匹配矩阵与扩展匹配矩阵概念，构建了非满秩约束下行列式最小化代价函数模型，基于边界理论实现了粗差匹配自动检测，并提出了尺度自适应柯西稳健估计模型，实现了99%误匹配率下点云数据高效高精度全自动配准拼接。
多站点云自动配准建图效果
课题组已将该研究成果应用于智能驾驶即时定位与建图（SLAM）任务中，提出了基于三维激光数据的层级式SLAM方法，实现了无GNSS环境下智能无人系统的高精度自主定位定姿，在智能驾驶国际著名公开数据集KITTI上排名全球第7（纯激光SLAM算法中排名全球第4）。KITTI链接：http://www.cvlibs.net/datasets/kitti/eval_odometry.php（名称HMLO-whu）
纯激光定位与建图效果
据了解，近年来，在国家自然科学基金、国家重点研发计划、博士后创新人才计划等项目的资助下，李加元致力于智能无人系统自主导航定位与建图中的关键技术研究，取得了系列研究成果，在IEEE Transactions on Image Processing, ISPRS Journal of Photogrammetry and Remote Sensing, IEEE Transactions on Geoscience and Remote Sensing，《测绘学报》等计算机视觉、图像处理、摄影测量与遥感领域的知名期刊发表论文将近30篇，曾获美国摄影测量与遥感学会学术金奖。他的研究工作攻克了大几何与大辐射畸变影像匹配、高粗差比率稳健估计、高可靠性特征级激光点云自动配准等一系列技术壁垒，形成了视觉与激光SLAM理论和方法，完成了智能无人系统高精度自主定位导航的若干关键技术积累。
论文链接：https://ieeexplore.ieee.org/abstract/document/9373914
（供图：遥感信息工程学院 编辑：付晓歌、相茹）
