面向盾牌形貌重建的双层采样点云粗配准方法

针对盾牌表面形貌三维重建过程中点云粗配准精度低和耗时长的问题,文中基于传统RANSAC(Random Sample Consensus)点云粗配准算法框架提出了一种双层采样点云粗配准算法。在第1层每次迭代中,采用单点采样进行刚性约束来减小对应集的大小,将此对应集作为第2层的“内点候选集”。算法第2层执行两个点的连续随机采样以及计算各自的最小模型,通过迭代最大化一致性集合并利用最小二乘法求解出最佳刚体变换矩阵。在实验阶段,采用6组降采样程度不同的盾牌点云,使用RANSAC算法和本文算法进行点云粗配准对比实验。实验结果表明,所提算法在粗配准速度和粗配准精度两方面都优于RANSAC算法,配准速度约为RANSAC算法的两倍,均方根误差为10-3 mm,比RANSAC算法的精度提高近400倍。