采用点云重心距离进行边界检测的点云数据配准

摘要 针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题，提出一种采用点云重心距离进行边界检测的点云数据配准新算法．该算法首先运用主成分分析法进行点云数据粗配准，获得良好点云姿态；其次，采用点云重心距离特征进行边界检测并提取待配准点云边界；在此基础上，利用K-D树在两点云边界中查找对应最近点对，并通过单位四元数法进行坐标转换，求得平移矩阵及旋转矩阵，从而实现快速、精确的点云数据配准．实验结果表明：与经典ICP算法、现有改进ICP算法相比，本文中点云边界特征点的提取简单快速，极大简化了配准点集，简化率达到2.24％，改进方法的配准效率提高了25.8％．本文算法在保证精度基础上有效提高了配准效率，适用于数据量较大的点云数据配准