吴明东，付建红，孟庆祥

(1.河南理工大学 测绘与国土信息工程学院，河南 焦作 454000；2.武汉大学 遥感信息工程学院，武汉 430079)

0 引言

机载激光扫描(light detection and ranging，LiDAR)集全球定位系统、惯性导航系统与激光测量3种技术于一体，能够快速高效地获取地物表面每个采样点的精确三维坐标，广泛应用于数字城市、灾害监测、海岸工程、林业等方面[1]。在对一个区域进行机载激光扫描时，往往需要多航带或多次扫描才能完成，而多次扫描的激光点云需要通过配准转换到统一的坐标系中[2-3]，这也是利用点云进行三维重建中最重要且最困难的步骤，直接影响着三维重建的精度与效率，是后续点云重建的技术基础[4]。

目前，点云配准的算法有很多，主要分为2类。一类是基于点云数据特性建立的特征匹配法，该方法利用物体表面上的几何特征信息，对特征进行提取和描述，通过确定特征之间的对应关系来实现点云配准。刘剑等[5]提出一种快速点特征直方图(FPFH)特征描述与Delaunay三角剖分相结合的特征点配准方法，有效地提升了点云配准的精度和效率。李健等[6]结合当下最热门的深度学习技术，将深度学习用于三维点云局部特征的提取，融合点云配准算法解决了多维度大角度变化的点云配准问题，使深度学习在点云配准领域实现了很好的应用。盛敏等[7]针对RGBD点云数据的配准问题，利用待配准的RGBD点云模型的曲率和颜色特征度定义了一种基于二者特征相似性的点云配准方法。……