闫 利，谭骏祥，刘 华，陈长军

武汉大学测绘学院，湖北 武汉 430079

车载激光扫描(mobile laser scanning，MLS)能快速获大场景点云数据，在道路交通领域有应用价值和潜力[1-2]，如道路信息调查[3]和智能驾驶高精度三维地图制作[4]。MLS硬件系统发展很快，形成了多种类型的商业化产品，该系统必要组件包括激光扫描仪、高精度POS系统和高精度时间同步控制系统[5]。由于MLS测量存在视场限制和遮挡，需要将地面激光扫描(terrestrial laser scanning，TLS)点云数据作为补充。MLS点云位于大地坐标系，TLS点云位于局部坐标系，需要进行坐标转换。本文采用TLS与MLS点云配准以完成基准统一。

点云自动配准一般按“初始配准”和“精配准”两步进行[6]。点云精配准最著名的算法是ICP算法[7-9]。最小二乘3D(least-squares 3D，LS3D)表面配准[10]近些年也被采用。ICP和LS3D均使用局部优化算法，局部优化收敛性依赖于初始转换参数。初始配准为精配准提供初始值，研究最多的是特征匹配。特征匹配通过在重叠区自动提取特征建立对应关系，所采用的特征需要具有旋转和平移不变性，如曲率和点标签[11]、旋转图像(spin image)[12]、快速点特征直方图(FPFH)[13]。文献[14—15]对已有特征描述子进行了总结，并比较了它们的性能，结果表明特征提取方法需谨慎选择。点云特征匹配面临分布不均匀、噪声、部分重叠、数据量大、重复结构等诸多问题，加上无法准确度量同名对应关系的几何质量，特征匹配的优化往往耗时且容易失败[16]。

除两步配准外，遗传算法(genetic algorithm，GA)可一步完成配准[17]。GA是一种全局优化算法，采用在整个解空间全局自适应地搜索最优解[18]。……