刘 雷,柏艳红,王 银,孙志毅

(太原科技大学电子信息工程学院,山西 太原 030024)

1 引 言

随着移动机器人技术快速发展,机器人被应用到各种复杂的环境,比如抢灾救险、配送物流、无人测绘等任务[1-2]。通常在这些环境下都没有预先建立好地图环境信息。而随着SLAM(simultaneous ocalization and mapping)技术的发展,为移动机器人在未知环境中的定位与构图提供了较好的解决方案[3-6]。依靠高精度激光雷达及多传感器融合的技术也越来越成熟,激光点云的配准技术在SLAM技术框架中起着十分重要的作用[7]。研究具有快速性、鲁棒性的配准方法也有着重要的意义。

目前应用最广且最经典的点云配准算法是迭代最近点(ICP)方法,但在两个点云的初始位置差别较大、相邻重复率较低的情况下达不到很好的配准效果[8]。于是后人开始大量研究如何利用初配准提供较好的点云初始位置。以特征描述为代表的点特征直方图(PFH)方法、以及改进的快速点特征直方图(FPFH)方法。文献[9]提出基于法线特征约束的点云精确配准方法,采用局部表面拟合方法进行法线估计,并计算其快速点特征直方图。文献[10]、[11]提出了一种基于内部形态描述子(ISS)及方向直方图描述子(SHOT)特征的点云配准算法,采用ISS算法提取特征点,并用SHOT对特征点进行描述。文献[12]提出了一种基于二维图像特征的点云配准方法,再采用SURF算法提取点云深度图的特征,并求解其匹配像素点对。

基于特征描述的点云配准算法思想是构建点云局部邻域描述子,然后通过建立基于描述子的匹配对,最后通过匹配对估计变换矩阵。……