Dans les algorithmes actuels d'appariement de nuages de points, le calcul des caractéristiques des points utilise généralement un voisinage fixe, ce qui rend difficile le calcul des caractéristiques pour des nuages de points complexes, entraînant de mauvais résultats d'extraction des points clés et la présence de nombreux points aberrants dans les correspondances, affectant ainsi la précision de l'appariement. Pour remédier à cela, cet article propose une méthode d'appariement de nuages de points basée sur l'extraction des points clés multi-caractéristiques et l'optimisation des paires de points par triangles similaires. Le cœur de la méthode réside dans l'extraction des points clés via une stratégie de voisinage adaptative et l'optimisation du modèle de similarité d'appariement. Tout d'abord, un sous-échantillonnage voxel et un filtrage hybride sont appliqués pour prétraiter les données, la meilleure zone de voisinage du nuage de points est déterminée par une fonction d'entropie des caractéristiques, et les points clés sont extraits en combinant l'écart-type de l'angle des vecteurs normaux dans le voisinage, l'anisotropie et la courbure; ensuite, les caractéristiques des points clés sont calculées à l'aide d'un histogramme directionnel (SHOT); puis, les paires initiales de correspondance sont construites par le rapport de distance du plus proche voisin bidirectionnel (BNNDR), et un modèle de calcul basé sur les triangles similaires est proposé pour optimiser les paires de points afin d'effectuer un appariement grossier. Enfin, un algorithme ICP point-à-plan avec contrainte sur l'angle des vecteurs normaux est utilisé pour l'appariement fin. Ce travail expérimente avec le jeu de données de Stanford et montre que la méthode proposée obtient l'erreur la plus faible comparée aux algorithmes classiques ICP, K-4PCS basé sur les points clés et SAC-IA combinés à ICP. De plus, la méthode fait preuve d'avantages significatifs lors d'applications d'appariement sur des données réelles mesurées.

voisinage adaptatif;appariement de nuages de points;triangles similaires;ICP point à plan