点云法向量与曲率关键特征配准

针对复杂特征目标的点云配准问题，提出了点云法向量与曲率关键特征配准方法。通过主成分分析法计算不同邻域半径下的曲率来选择关键点，对初始点云数据进行降采样。对于每个关键点，采用由4个法向量和3个曲率组成的七维特征描述符，该描述符研究了法向量夹角及曲率特征。分析了源点云与目标点云关键点特征描述符之间的相似性，通过欧氏最小距离和次小距离比值法确定源点云与目标点云的初始对应关系，采用随机一致性算法剔除错误对应关系降低误匹配。为实现高精度配准，采用迭代最近点算法进行精细配准，计算变换矩阵并定量化研究配准误差。实验结果表明，复杂目标的特征提取与配准的均方根误差达到了3.32 mm，并且在0~50°配准实验中... View More