基于轮廓点的三维点云配准*

于微波，钱柏竹，杨宏韬，何科毅

(长春工业大学电气与电子工程学院，长春 130012)

0 引言

三维点云数据是离散点组成的集合，构成物体的几何特征，同时还具有较高的精简性和灵活性，因此逐渐成为三维重建中常见的处理对象，与之相关的点云配准逐渐成为热门的研究方向。

点云配准是三维重建研究中的关键技术之一，在点云数据完整且重叠率相对较高的情况下，传统的点云配准方法会获得较好的配准结果，但往往由于设备以及环境等因素，获得的点云数据常常有所缺失且重叠率较低，这时用传统的点云配准方法导致配准的结果误差很大，配准时间较长等问题，严重影响接下来的三维重建的结果。

在点云配准中，如果直接把每个点都纳入计算中，就会使算法的计算时限很长。所以在近年来，已经有不少学者都在点云的提取方向中作了不少研究，这样就会使计算的时限大大地缩短，而且都可以取得不错的配准成果。李仁忠等[1]提出采用ISS算法对源点云进行提取特征点操作，采用点特征直方图(FPFH)对提取的特征点进行特征描述，结合改进的迭代最近点(ICP)[2]算法进行点云配准处理，该算法提高了该点云数据之间的配准速度，但在点云配准精度方面与ICP算法相差不大；鲁铁定等[3]提出一种改进的超四点快速鲁棒匹配算法(super four point fast robust matching algorithm，Super 4PCS)，将3D-SIFT算法用于提取点云数据中的关键点，减少总体的点云数据，但该算法处理低重叠率的点云数据得不到良好的配准结果。……