Pour résoudre le problème du fait que l'algorithme d'alignement grossier basé sur les caractéristiques de nuage de points traditionnelles souffre de calculs de caractéristiques de nuage de points de grande dimension complexes et d'une vitesse lente d'alignement grossier du nuage de points, une méthode rapide d'alignement de nuage de points tridimensionnel est proposée. Tout d'abord, trois caractéristiques géométriques profondes du voisinage de points sont définies, une description de la répartition du voisinage à faible dimension et à multiples échelles est proposée pour réduire considérablement la complexité de calcul des caractéristiques, tout en améliorant la discrimination de la description des caractéristiques, pour atteindre une représentation efficace de la caractéristique locale du nuage de points. Ensuite, une méthode rapide d'alignement grossier basée sur la description de la répartition du voisinage est proposée, l'extraction de points caractéristiques en fonction de l'ensemble général du nuage de points et de la direction de répartition du voisinage, établit des conditions d'appariement préliminaire de points caractéristiques en fonction de la description de la répartition du voisinage, et améliore les conditions de contrainte de distance euclidienne entre les paires de points pour exclure les paires de points appariés incorrectes et réaliser un alignement grossier précis et efficace. Enfin, pour résoudre le problème de la lenteur de l'alignement du nuage de points dense, une méthode améliorée d'itération des points les plus proches (ICP) est proposée en utilisant un arbre k et une méthode de maillage de voxélisation et utilise une stratégie d'alignement précis secondaire pour corriger les erreurs d'alignement causées par un échantillonnage plus bas afin d'améliorer encore la précision et l'efficacité de l'alignement précis. Les expériences sur le modèle Stanford et les expériences réelles d'alignement de nuages de points de pièces de l'industrie montrent que la méthode présentée dans cet article améliore la précision de l'alignement de plus de 22 % par rapport à la méthode d'alignement actuelle basée sur la description de caractéristiques traditionnelle et réduit le temps de plus de 43 %, prouvant que cette méthode peut aligner rapidement et efficacement des nuages de points à surface d'objet de différents angles de vue, ayant une bonne stabilité et applicabilité, par rapport aux méthodes d'alignement traditionnelles existantes basées sur des descriptions de caractéristiques substantielles.

Alignement de nuage de points; description de la répartition du voisinage; optimisation des paires de points; algorithme itératif de recherche de points les plus proches; méthode de maillage de voxélisation