基于多特征融合的点云配准算法

针对目前点云配准算法精度较低、计算复杂度较高的问题,提出一种基于多特征融合的点云配准算法.提取点云的法向角度、点及其邻域点的投影距离、曲率以及欧氏距离方差,通过对其融合来提取待配准点云的特征点.利用基于高斯概率模型的迭代最近点算法对特征点集进行配准,实现噪声点云的精确配准.对Cup、Bunny公共点云数据以及文物点云数据模型进行配准实验.结果表明,提出的算法相比已有算法的精度提升约20%,耗时降低约25%.