融合采樣一致性和迭代最近點(diǎn)算法的點(diǎn)云配準(zhǔn)方法

摘要：三維點(diǎn)云數(shù)據(jù)配準(zhǔn)在機(jī)器人環(huán)境感知與建模、虛擬現(xiàn)實(shí)、人機(jī)交互、逆向工程等領(lǐng)域有著廣闊的應(yīng)用前景。針對(duì)傳統(tǒng)迭代最近點(diǎn)(Iterative Closest Point,ICP)算法中存在的收斂速度慢、魯棒性差等問題進(jìn)行研究,提出了一種融合采樣一致性和迭代最近點(diǎn)算法的點(diǎn)云配準(zhǔn)方法,對(duì)點(diǎn)云數(shù)據(jù)的快速點(diǎn)特征直方圖(Fast Point Features Histograms,FPFH)特征進(jìn)行提取并對(duì)這些特征使用采樣一致性初始配準(zhǔn)算法(Sample Consensus Initial Alignment,SAC-IA)進(jìn)而得到點(diǎn)云集間的對(duì)應(yīng)關(guān)系,計(jì)算出點(diǎn)云的初始變換,從而獲得一個(gè)較好的配準(zhǔn)位置,提出了k-d樹近鄰搜索方法加速搜尋對(duì)應(yīng)點(diǎn)對(duì),并利用點(diǎn)云的方向向量閾值去除迭代最近點(diǎn)算法產(chǎn)生的誤點(diǎn)對(duì),實(shí)現(xiàn)點(diǎn)云的精確配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,算法取得了較高的配準(zhǔn)精度,加快了收斂速度。