摘要: 针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初
始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的
点云匹配算法。首先,运用3D-Harris 算法识别每一幅点云的关键点,并以此为基本点建立局
部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应
估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需
的变换矩阵,完成初步匹配。随后,根据3D-NDT 算法将点云数据空间体素化,运用概率分布
函数完成最终的点云进行精确地匹配。使用改进配准将3 组分别从网络下载的较少噪声、大规
模与Kinect V2.0 采集的较多噪声、大规模的2 组重叠度不同的点云数据匹配到同一个空间参考
框架中,并通过精度分析对比经典3D-NDT,ICP 等算法。实验结果证明,该算法在迭代次数
较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂
度适当降低,缩短配准时间需要更进一步的研究。