崔志婷 李彩林 王志勇 苏本娅 王佳文 孙延坤

(山东理工大学 建筑工程学院, 山东 淄博 255000)

0 引言

为了实现对被测物体的整体覆盖,进行激光扫描时需要多点架站,每站点云具有独立的坐标系,通过将不同视角下的激光点云进行拼合,实现各站点云坐标系的统一,完成点云的配准。点云配准是点云处理流程中的重要步骤,更是逆向工程、计算机视觉等领域中进行三维重建的关键问题,其配准的效率和精度对工程整体有十分重要的影响。

点云配准通过寻找不同点云间的同名特征来计算他们之间的变换矩阵,然后将点云拼接在同一坐标系下。配准算法分为粗配准和精配准,点云粗配准使两组点云数据尽可能接近,减小两个点云模型间的差异,为精配准提供良好的初值,提高配准效率和精度。粗配准方法有基于遗传算法(Genetic Algorithm, GA)[1]、基于特征以及全局配准的方法,同时还可以通过点云处理软件进行粗配准。

ZHU等提出利用GA对部分重叠范围扫描进行对偶配准的有效方法,利用可靠的成对配准结果计算初始参数,但该算法效率较低[2-3]。基于特征的粗配准首先是根据局部特征描述符计算点的特征,然后根据特征对点云进行匹配,确定点的对应关系后进而对变换参数进行求解[4-5]。SUN等提出了一种判别性强的局部形状描述符—区域曲率图(RCM),采用基于RCM子区域的搜索匹配策略寻找三维对应点,利用几何一致性实现粗配准,具有较高的配准效率[6]。RUSU等提出通过三维形状描述符计算特征点的几何特征,将来自不同点云的具有最相似特征的点对识别为对应点,求解变换参数,这种算法容易受到噪声点的干扰[7]。……