魏秋月，董环宇，汤少杰,2，冯宁宇

(1.西安邮电大学 自动化学院，陕西 西安 710121；2.西安邮电大学 西安市先进控制与智能处理重点实验室，陕西 西安 710121；3.宁夏医科大学总医院，宁夏 银川 750004)

点云配准技术[1]在三维模型重建中有着独特而关键的作用，随着许多高精度传感器的产生，点云已成为表示三维空间模型的主要数据格式。使用点云配准[2]进行模型匹配时由于配准对象的多变性，配准过程需要考虑的信息会不同，针对不同的配准目标应用不同的配准算法，能得到更好的结果。

迭代最近点(Iterative Closest Point，ICP)算法[3]是目前应用最为广泛的一种算法，由Besl等在1992年提出。该算法是利用最近点搜索法解决基于自由形态曲面的一种配准算法。根据一定的约束条件，找到原始点云与目标点云的对应关系，并计算出旋转矩阵与平移矩阵，然后将目标点云与计算得到的旋转矩阵与平移矩阵进行计算得到新的目标点云。该算法对于初始点的选取非常苛刻，并且会产生一些错误点。Du等[4-5]提出的尺度迭代最近点(Scale Iterative Closest Point，SICP)算法是在ICP算法的基础上加入了变尺度系数，通过原始点云与目标点云间的最小距离计算旋转矩阵、平移矩阵与尺度系数，但是鲁棒性较低，无法避免陷入局部最优。以上配准算法为目前应用比较广泛的方法，但是这些算法只能应用于点云全局配准，并不适用点云的局部配准，若存在大量缺失点的情况，便不能有一个稳定良好的结果。

相干点漂移(Coherent Point Drift，CPD)算法[6]由Myronenko等在2010年提出。……