荆 路,武 斌,方锡禄

(天津城建大学计算机与信息工程学院,天津 300384)

1 引 言

近年来随着激光技术的快速发展,激光雷达正不断应用到各种领域,例如智能驾驶、电力巡线、三维重建以及隧道变形监测等[1-4]。然而,当进行实际测量时,由于受到测量环境和仪器设备等因素的影响,采集到的每帧点云数据仅仅包含所测物体的部分点云信息。因此,为了获取所测物体完整的点云数据,往往需要对物体进行多站点多视角测量,并通过配准把不同视角测得的点云数据变换到同一坐标系下。

点云配准通常分为两步:初始配准和精配准。初始配准中基于特征的配准算法是目前主要的研究方向,如纹理[5]和角点[6]等。在精配准阶段,Besl等[7]提出的ICP(iterative closest point)算法是目前最经典的算法,但是此算法对点云初始位置要求高,否则容易陷入局部最优,而且存在迭代速度慢、耗时长的问题[8]。为了解决ICP算法存在的问题,许多学者对该算法作了改进和创新,而且也提出了一些新的算法。Yang等[9]提出Scale-ICP算法,与ICP算法相比,此算法虽然在配准精度和迭代速度方面都有一定的改进,但对迭代过程依赖性较强,导致算法收敛缓慢。文献[10]提出一种利用K-D树对ICP配准算法进行优化的方法,但是当配准海量点云数据时,此方法的配准效率无法完全满足应用要求,还需不断改善搜索策略。赵明富[11]融合了采样一致性算法与ICP算法,虽然在一定程度上解决了ICP算法依赖初值的问题,但当点云数据量较大时,配准效率较低。……