沈阳理工大学自动化与电气工程学院 华宇宁 刘永俊

ICP在点云精配准方面有着重要的作用，与其他配准方法相比，它可以直接通过对应匹配点进行配准，但相应的ICP算法存在匹配速度慢、误匹配率高等不足，针对这些不足，本文提出了结合Harris3D关键点提取和RANSAC算法解决配准速度和误匹配问题，通过斯坦福数据进行传统ICP和改进ICP算法对比实验验证，实验结果表明，改进ICP算法有效提高了传统ICP算法的配准性能。

1 传统ICP的不足

在三维重建方法研究中，点云配准是关键技术之一，点云配准就是将不同坐标系下的点云数据通过旋转、平移刚性坐标变换之后得到在同一坐标系下几何拓扑信息较为完整的点云数据，其实质是获取较为合适的旋转平移矩阵，点云配准根据目的不同分为粗配准和精配准，粗配准是在不清楚两个点云的相对位置的情况下，找到这两个点云近似的旋转平移矩阵，主要是为精配准提供初始变换矩阵；精配准在已知旋转平移矩阵的情况下，通过多次迭代优化进一步得到更加精确的旋转平移矩阵。

ICP算法在点云精配准中有着重要作用，与其他配准方法相比，它可以直接通过对应匹配点进行配准，其核心思想是，已知两个代配准点云P和Q，匹配两点云中欧氏距离最近的点来获取变换矩阵，通过不断迭代，，来得到最优变换矩阵。

传统ICP算法在实际应用中存在很大的局限性，不能达到所需要求，具体ICP算法主要存在以下几点不足之处：