基于轮廓点的三维点云配准

作者：于微波; 钱柏竹; 杨宏韬^*; 何科毅

来源：组合机床与自动化加工技术, 2022, (12): 1-5.

DOI：10.13462/j.cnki.mmtamt.2022.12.001

• 三维重构
• 点云配准
• 轮廓点提取
• GICP

针对三维点云数据在配准中会产生错位、局部最小值等问题，提出一种基于轮廓作为特征点以及广义迭代最近点(generalized iterative closest point, GICP)算法相结合的点云配准方法。首先，基于聚类算法对三维点云数据进行分割处理，引入角度阈值对分割后的三维点云数据进行轮廓提取，将提取出的轮廓点作为特征点；然后，对提取的特征点计算3D形状上下文特征(3D shape context, 3DSC)的描述值，得到点云数据的对应点对；采用几何一致性以及随机采样一致性(RANSAC)消除点云数据匹配过程中的错误匹配点对，从而实现点云数据的初步配准，将初步配准的结果为最优初值，进而通过GICP算法实现精确配准。实验结果显示，比较于SAC-IA+ICP算法、NDT+ICP算法、SAC-IA+NDT算法，配准精度分别提高了50.5%、52.8%、64.4%,配准速度分别提高了58.7%、37.1%、81.4%,满足配准精度的要求。

• 单位
  长春工业大学; 电子工程学院