In den bestehenden Punktwolken-Registrierungsalgorithmen wird die Berechnung der Punktmerkmale normalerweise mit einem festen Nachbarschaftsbereich durchgeführt, was die Anwendung bei komplexen Punktwolken erschwert und zu schlechten Ergebnissen bei der Schlüsselpunktextraktion sowie zu vielen Ausreißern in den korrespondierenden Punkten führt, was die Genauigkeit der Registrierung beeinträchtigt. Daher wird in diesem Artikel eine Punktwolken-Registrierungsmethode vorgeschlagen, die auf der Extraktion mehrerer Merkmale von Schlüsselpunkten und der Optimierung von Punktpaaren anhand ähnlicher Dreiecke basiert. Der Kern liegt in der Extraktion der Schlüsselpunkte durch eine adaptive Nachbarschaftsstrategie und der Optimierung des Ähnlichkeitsmodells für die Zuordnung. Zuerst werden die Daten mithilfe von Voxel-Downsampling und Hybridfilterung vorverarbeitet, das optimale Nachbarschaftsgebiet der Punktwolke anhand einer Merkmalsentropiefunktion bestimmt und Schlüsselpunkte unter Berücksichtigung der Standardabweichung des Winkels der Normalenvektoren im Nachbarschaftsbereich, Anisotropie und Krümmung extrahiert; anschließend werden die Merkmale der Schlüsselpunkte mit einem Richtungs-Histogramm (SHOT) berechnet; danach werden initiale Matching-Paare mit dem bidirektionalen Verhältnis der nächstgelegenen Nachbarabstände (BNNDR) gebildet, und ein auf ähnlichen Dreiecken basierendes Berechnungsmodell vorgeschlagen, um die Punktpaare zur Grobregistrierung zu optimieren. Schließlich wird die Feinregistrierung mit dem Punkt-zu-Ebene-ICP-Algorithmus unter Hinzunahme der Normalenwinkelbeschränkung durchgeführt. Der Stanford-Datensatz wurde für Experimente ausgewählt, die Ergebnisse zeigen, dass diese Methode geringere Fehler aufweist als klassische ICP-, schlüsselpunktbasierte 4-Punkte-Konsistenzmengen (K-4PCS) und Stichproben-Konsistenz (SAC-IA) in Kombination mit ICP-Algorithmen. Darüber hinaus zeigt die Methode auch signifikante Vorteile bei der Registrierung von realen Messdaten.

adaptive Nachbarschaft;Punktwolkenregistrierung;ähnliche Dreiecke;Punkt-zu-Ebene ICP