基于统计局部特征描述与匹配的点云配准算法

针对ICP算法在初始位姿差、部分数据丢失和噪声干扰情况下鲁棒性差、配准精度低的问题,提出一种基于统计局部特征描述与匹配的点云配准算法。首先,用点云局部密度、点云拟合平面距离方差、高斯曲率和平均曲率构建一个四维的统计局部特征描述符,准确地描述查询点的局部特征;然后,通过点对间的特征差异进行对应点匹配,剔除错误点对,解决点云部分数据缺失和噪声干扰的问题;最后,使用平均匹配距离作为度量改进ICP算法,对点云进行配准,解决初始位姿较差时配准精度低的问题。实验结果表明,该算法在初始位姿差、部分数据丢失和噪声干扰情况下的配准精度提高至少1个量级,配准速率也有较大提升,在鲁棒性和配准精度方面均表现出明显优势。