来源：期刊VIP网 时间：
作者：刘婕;单彦虎;李浩然;李昌斌;
单位：中北大学仪器与电子学院;
摘要：点云配准是基于机器视觉进行工业复杂零件三维非接触精密测量的关键环节。为了提高点云配准的效率和准确性，提出一种基于改进法线计算的快速点特征直方图(Fast Point Feature Histograms, FPFH)特征描述子的点云配准方法。采用重心最近邻体素滤波器对点云进行预处理，减少点的数量同时保留表面细微特征。为解决传统迭代最近点(Iterative Closest Point, ICP)算法对初始位置敏感且收敛速度慢的问题，采用基于改进特征描述子的采样一致性(Sample Consensus Initial Alignment, SAC-IA)初始配准算法进行粗配准，使用基于KDtree加速的ICP算法进行精配准。本文选用三组点云数据，用不同的点云配准方法进行了测试。实验结果显示，在点云添加2%与5%噪声的情况下处理不同规模的点云数据时，所提出的方法配准所用时间和均方根误差(Root Mean Square Error, RMSE,E_(RMS))仍优于其它两种对比方法。
关键词：点云配准;;法线;;点特征直方图;;迭代最近点算法;;采样一致性初始配准算法
