扫描点云的一种自动配准方法

摘要

针对无任何预知信息下的扫描点云数据配准问题,通过引入新的匹配点对度量准则和改进最近点迭代算法,提出一种扫描点云数据的自动配准方法.该方法分为初始配准和精细配准2个阶段.初始配准阶段中,在考虑孤立点的曲率相似度的基础上,通过引入一种新的点的邻域曲率相似度度量准则,构造出一个有效的一一对应的初始匹配点对数组;然后根据刚体变换的特点和不变量引入距离约束和超线段约束,对初始匹配点对进行过滤;最后利用最终得到的匹配点对的几何信息计算初始配准参数.在精细配准阶段,构造了参与最近点迭代算法的有效初始点集,并改进了最近点的计算过程.数值实例结果表明,文中方法初始配准效果良好,二次配准效果更加准确,达到了不同视角扫描点云数据配准的要求.