基于区间分割和兼容加权的点云配准算法

摘要

针对重叠区域小、共享的特征点较少的点云存在配准精度不高的问题，提出一种基于区间分割和兼容加权的点云配准算法。该算法利用距离分割将点云划分为多个子区间，并通过构建子区间的特征描述符求取其直方图相似度，从而确定子区间的对应关系。引入可信性和一致性约束，求解刚体变换组合系数，从局部配准得到全局配准，从而实现点云粗配准。最后基于尺度不变相容约束进行双点采样，并计算对应点对的兼容性权重矩阵，对其进行投票后排序，求得共识最大化的刚体变换，完成点云精配准。实验采用斯坦福点云数据模型、3DMatch室内场景数据模型以及农田点云数据模型进行验证，结果表明，对比6种配准算法，所提算法具有最高的配准精度和最低的配准耗时。在斯坦福点云数据的配准中，所提算法在平均精度上均提高了10%以上，平均耗时均降低了14%以上；在室内场景的点云配准中，所提算法在平均精度上均提高了20%以上，平均耗时均降低了14%以上；在农田点云数据配准中，所提算法在平均精度上均提高了21%以上，平均耗时均降低了16%以上，因此可以说该基于区间分割和兼容加权的点云配准算法是一种高效的点云配准算法。

关键词

点云配准 / 区间分割 / 组合系数 / 兼容性权重矩阵 / 共识最大化