基于自适应邻域匹配的点云配准方法
【摘要】 针对具有不同缩放尺度点云的配准问题，本文提出了一种基于自适应邻域（GeneralAdaptiveNeighbor-hood，GAN）匹配的点云配准方法.首先，随机地选取初始匹配点对作为种子点，并对点云上点的GAN进行定义;然后根据GAN的形状信息确定种子点所在特征区域及其潜在匹配关系，并对GAN进行Delaunay三角剖分，得到能有效描述种子点局部曲面几何形状的三角网格，再通过定义残差角作为局部曲面形状描述子进行几何信息匹配，从而确定真实匹配点对;最后，根据真实匹配点对计算旋转平移矩阵，得到点云的初始位置，并利用尺度迭代最近点方法（ScaledIterativeClosestPoint，SICP）将点云进行精确对齐.实验结果表明，该方法通过点GAN的匹配，同时考虑了点的局部特征信息及其上下文相关的空间约束，且匹配相
