散乱点云数据精配准的粒子群优化算法

？作为点云数据处理的关键步骤点云数据配准的结果直接影响后续数据处理的精度基于人工标靶和icp思想的传统配准方法存在受环境影响初始条件限制以及特征点提取困难等问题针对传统地面激光扫描点云数据的高精度配准方法主要依赖人工标靶和特征点选取等局限提出了一种改进的粒子群优化算法以法向量叉积代数和最小作为适应度函数对相邻点云重叠区域内的所有数据进行高效的全局搜索在选取最佳配准点的基础上实现了散乱点云的精确配准通过对多站扫描的高陡边坡岩体点云数据进行整体配准并与icp等经典算法进行对比实验结果验证了本方法的可行性有效性和稳定性可以有效解决配准过程中标靶或同名特征点不易寻找的问题