1、點云配準是計算機視覺領(lǐng)域的一個關(guān)鍵問題，它是三維重建的前提之一。為了獲得被測物體表面的完整點云數(shù)據(jù)，需要從不同角度對被測物體進行多次測量，由于不同視角獲得的點云分別屬于不同的坐標系，所以必須通過一定的算法計算出不同視角之間的坐標變換關(guān)系，從而將不同視角的數(shù)據(jù)合并到統(tǒng)一的坐標系下，最終得到被測物體表面完整的點云數(shù)據(jù)，這就是點云配準。點云配準的精度會直接影響到三維重建的質(zhì)量。本文只涉及剛性配準問題，并對此問題進行了深入的研究，分析和總結(jié)了現(xiàn)

2、有算法的優(yōu)缺點，同時提出了新的點云配準算法。本文提出以下兩種點云配準算法:
　　1.提出了一種基于法向量的點云配準算法。該算法采用基于法向量信息的多特征直方圖特征對點云進行特征描述，首先根據(jù)點云局部法向量的變化提取特征點;然后，對獲取的每個特征點進行直方圖特征描述，并根據(jù)此特征描述獲得初始匹配點對;之后，使用隨機采樣一致性(random sample consensus，RANSAC)算法結(jié)合剛性距離約束條件得到精確匹配點對;最后

3、，利用四元素法計算得到初始配準參數(shù)，并采用改進的最近點迭代(iterative closest point，ICP)算法對點云精確配準。該算法提出的多特征直方圖特征描述，利用直方圖的統(tǒng)計特性，而不是只借助某種幾何特征值進行匹配點搜索，算法的抗噪聲能力提高，魯棒性好，且實驗結(jié)果顯示了配準的精度和速度都有一定提高。
　　2.提出了一種基于鄰域相似度的點云配準算法。該算法首先根據(jù)點云局部法向量的變化提取特征點;然后，利用點云局部的三種基

4、本幾何特征搜索匹配點對;之后，引入二維圖像匹配中用到的歸一化互相關(guān)系數(shù)(zero-mean normalized cross-correlationcoefficient，ZNCC)，用于計算匹配點對之間的鄰域相似度，去除錯誤匹配點對從而獲得初始匹配點對;最后，利用距離約束條件獲得準確匹配點對并計算初始配準參數(shù)，采用改進的ICP算法進一步配準獲取精確配準結(jié)果。該算法通過引入二維圖形匹配中的ZNCC匹配準則來計算三維點的鄰域相似度，充分利