中文引用格式： 馬然. 基于特征點提取和PCA的改進ICP點云配準方法[J]. 電子技術(shù)應(yīng)用，2025，51(4)：110-115.
英文引用格式： Ma Ran. Improved ICP point cloud registration method based on feature point extraction and PCA[J]. Application of Electronic Technique，2025，51(4)：110-115.
引言
三維激光掃描技術(shù)具有高精度、高分辨率和非接觸等優(yōu)點，近年來在醫(yī)療、測繪、軍事、交通等眾多領(lǐng)域得到廣泛應(yīng)用。由于掃描對象尺寸大或掃描角度限制等原因，三維激光掃描得到的點云數(shù)據(jù)難以一次性實現(xiàn)對掃描對象的完整描述，通常需要進行多次多角度點云數(shù)據(jù)采集，再通過點云配準算法對獲得的多次多角度數(shù)據(jù)進行配準才能獲得完整的對象描述[1-2]。這一過程中，高精度、高實時性的點云配準算法是關(guān)鍵。
迭代最近點(Iterative Closest Point, ICP)算法是Besl等于1992年提出的一種經(jīng)典點云配準算法[3]，也是目前應(yīng)用最為廣泛的一種方法。ICP在多次多角度點云數(shù)據(jù)初始位置相差不大的情況下能夠獲得較高的配準精度，但是當(dāng)初始位姿差異較大或點云重疊度較低時算法易陷入局部最優(yōu)，實時性和配準精度均會出現(xiàn)較大程度下降[4-6]。文獻[7]將全局分界支定(Branch-and-bound, BNB)方法引入ICP，提出一種具備全局優(yōu)化能力的BNB-ICP點云配準算法，能夠提升ICP算法對初始位置的適應(yīng)性，但是算法運算效率較低；文獻[8]提出一種結(jié)合快速點特征直方圖(Fast Point Features Histograms, FPFH)和ICP結(jié)合的點云配準算法，利用FPFH得到點云特征點，并根據(jù)特征點實現(xiàn)點云粗配準，之后利用ICP進行精配準，雖然改善了配準精度，但是不適合初始位姿較差的情況；文獻[9]將八叉樹算法引入點云配準領(lǐng)域，利用八叉樹建立不同姿態(tài)點云數(shù)據(jù)之間的拓撲關(guān)系，進而利用ICP完成配準，該算法運算效率較高且對結(jié)構(gòu)簡單對象的配準效果較好，但是不適合結(jié)果復(fù)雜對象配準；文獻[10]首先計算點云數(shù)據(jù)的主方向和曲率，并根據(jù)主方向和曲率選擇特征點進行粗配準，最后利用ICP進行精配準，該方法運算效率高，實時性好，但是當(dāng)對象表面結(jié)構(gòu)較為平滑時，即曲率特征不明顯時該方法的魯棒性較差；文獻[11]將Procrustes正交分解與ICP結(jié)合，利用Procrustes對點云數(shù)據(jù)進行正交分析獲得平移和旋轉(zhuǎn)轉(zhuǎn)換參數(shù)，進而利用ICP完成點云配準，該方法精度較高且具有較好的魯棒性，但是對噪聲敏感，不適合低信噪比情況應(yīng)用。
在上述研究的基礎(chǔ)上，本文提出一種基于點云數(shù)據(jù)局部密度提取特征點，然后利用PCA對特征點進行投影計算平移和旋轉(zhuǎn)參數(shù)從而實現(xiàn)粗配準，最后利用ICP進行精配準的三步配準方法。利用斯坦福大學(xué)標準數(shù)據(jù)集驗證了所提方法的有效性和優(yōu)越性。
本文詳細內(nèi)容請下載：
http://m.jysgc.com/resource/share/2000006405
作者信息：
馬然
（廣州南方測繪科技股份有限公司， 廣東 廣州 510000）
