基于SIFT特征点提取的ICP配准算法

摘要

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题，提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取，根据提取特征点完成快速点特征直方图(FPFH)特征运算，通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵，再进一步运用ICP算法进行点云精细配准。实验结果表明：与ICP算法相比较，ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10~(-2) cm级别时，ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择，提升了配准精度和配准效率。

关键词

点云配准 / 迭代最近点算法 / 尺度不变特征变换 / 特征点 / 快速点特征直方图