Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

为了克服迭代最近点(ICP)算法鲁棒性差、配准精度低的问题,提出了一种改进的基于快速点特征直方图(FPFH)的ICP点云配准算法。首先,基于改进内部形态描述子和法向矢量角的变化来提取点云特征;其次,使用指数函数优化欧氏距离,并将优化的欧氏距离作为FPFH算法的权重系数,用于特征点描述,从而保证利用初始对齐估计得到更准确的点云位置;然后使用双重约束和单位四元数算法完成初始配准;最后,给ICP算法构建双向k维树,并使用点对的欧氏距离与最大欧氏距离的比值来计算每个点对的权重,将权重作为ICP迭代误差函

针对点云配准时间长、收敛缓慢、对应点匹配易错等缺点，提出一种基于内部形态描述子（ISS）特征点结合改进迭代最近点(ICP)的点云配准算法。首先采用ISS算法进行点云特征提取，并以快速点特征直方图进行特征描述，然后通过采样一致性算法完成点云的初始配准，使两片不同角度点云获得一个相对较好的初始位姿，最后通过k维树近邻搜索法加速对应点对的查找，以提高点云ICP精细配准效率。实验结果表明，与传统配准算法相比，该算法配准精度高，而且执行速度快。