基于对称Kullback Leibler散度的点集配准方法

提出一种基于SKL (Symmetric Kullback-Leibler)散度的点集配准算法,将点集中的每一个点表示成一个高斯分布,高斯分布包含点的位置信息和周围点的影响大小信息。将整个点集建模为一个高斯混合模型(GMM),因此两点集的配准问题转化为求两GMM间SKL散度的最小值问题。采用遗传算法进行优化求解。实验结果表明,所提算法对噪声、出格点和缺失点具有较强的鲁棒性,且取得较高的配准精度。