点云数据精简与配准研究

摘要

由于激光雷达等扫描设备得到的点云存在数据量大、数据中掺杂噪声较多等一系列问题,提出一种基于特征点保持的点云精简与配准方法。首先利用K-means算法对所有点云数据聚类,滤除掉噪声点云,再进行精简化处理;随后在精简的基础上用KD-tree对数据进行最近邻搜索以加快对应点查找速度,从而为配准节省一定的时间;最后根据欧氏距离选择合适的初值减少匹配误差。实验结果表明,精简后的点云数据保持了基本特征,一定程度上减少了配准时间和误差。