陆军，邵红旭，王伟，范哲君，夏桂华

(哈尔滨工程大学 自动化学院，黑龙江， 哈尔滨 150001)

由于物体的形状、大小以及三维激光扫描设备视角范围的限制，一次扫描不能够获得物体的完整三维模型信息. 因此，需要对不同视角下获取的点云数据进行配准. 目前点云配准算法的种类繁多，大体上可分为两类，基于局部特征以及基于全局的配准算法.

基于局部特征的算法侧重依据点邻域信息对特征进行描述，建立点的特征描述子，然后根据该特征描述子确定两幅点云的对应关系，从而完成配准. 2008年， Rusu等[1]提出对相邻两个点的法向量的夹角进行统计的点特征直方图(PFH)及其改进算法快速点特征直方图(FPFH). 2011年，Chu Jun等[2]使用scale invariant feature transform(SIFT)算法获得图像纹理特点，并应用到点云中，以此找到两幅点云中的对应关系. 除此之外，3D形状上下文(3DSC)，旋转不变特征变换(RIFT)，旋转投影统计(RoPS)等也是常用在点云配准过程中的特征描述符.

基于全局搜索策略的算法是在全局范围内限制一定的条件并通过循环迭代确定最优变换，例如迭代最近点法(ICP)、基于统计学概率的算法、基于一致性4点集的算法等. 基于统计学概率的算法将空间离散化处理，用概率密度函数来估计点云的分布，通过最优化技术的方法得到两片点云之间的变换矩阵，典型的算法有多层NDT(ML-NDT)[3]，加速相干点漂移算法(ACPD)[4]等，但对于大规模点云，基于概率算法的计算复杂度较高. 基于一致性4点集的一系列算法是在全局范围内根……