霍 旺，熊风光，韩 燮，况立群

(中北大学 计算机与控制工程学院，山西 太原 030051)

0 引 言

点云关键点的特征描述作为点云配准与识别等处理中的关键步骤，有着重要的意义与广阔的应用前景。与网格模型相比，散乱的点云数据之间缺少相应的拓扑关系，对关键点的描述更加困难。现有的一些描述算法在运行效率、配准的准确率及抗噪、抗干扰的能力上仍有不足，需要进一步的改进提高。

1 相关工作

针对最近点迭代(iterative closet point，ICP)算法存在的收敛速度慢、计算复杂度高的问题，许多学者提出了先将点云的关键点配准，使两片点云具有良好的初始位置，再利用ICP或其改进算法[1,2]对点云进行精配准的方法。同时提出了许多优秀的关键点描述子算法。但在运行效率、算法的鲁棒性上，仍未取得令人满意的效果，需要人们继续改进和创新。一个有效的关键点描述子必须满足以下条件[3]：①描述子应具有较强的鉴别力；②描述子应具有丰富的描述性和稳健的变换不变性；③描述子应易于计算和匹配；④描述子应对噪声和背景干扰具有较强的稳健性。

目前的描述子根据其描述方式大致可以分为二类：

(1)基于点云空间数据点位置分布的方法。Johnson于1999年提出Spin Image(SI)特征是该类的经典代表。该方法以关键点为圆心，其法向量为z轴构建圆柱参考系，将邻域点的分布密度作为描述的特征。Spin Image对遮挡和干扰具有很强的稳定性，但对点云数据有一定要求，需要点云均匀分布并且需要较大的存储空间。……