通过引入特征点和改进最近点迭代法, 提出了一种 在三维扫描系统中对三维点云数据进行配准的方法。该方法 通过对特征点的提取, 首先得到一组匹配点对, 然后运用 SVD 矩阵分解算法求出转换参数R 和T, 进而以此作为最 近点迭代法的初始值, 并对最近点的求法和迭代截止条件作 了改进, 得到了很好的配准效果。该文论述了该方法的基本 原理, 并通过不同视觉下物体三维测量点云数据配准的应用 实例证明了该方法的有效性。-A 3-D meas uring dat a r egis

针对传统背景建模存在的问题，文中基于低秩矩阵恢复原理，直接从视频序列中分离出前景物体和背景模型。已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解，而这些奇异值分解一般非常耗时且不够简洁，文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法，以得到更加有效的背景建模算法。基于 实际视频序列实验，结果表明该改进算法具有更好的建模效果和较少的运算时间。-In this paper，a novel method is present based on low-rank matrix r