複雑な特徴を持つ対象の点群登録問題に対して、点群の法線ベクトルと曲率の重要な特徴登録方法を提案した。主成分分析法により異なる近傍半径で曲率を計算し、重要な点を選択し、初期点群データをダウンサンプリングする。各主要点に対して、4つの法線ベクトルと3つの曲率で構成される7次元特徴記述子を採用し、この記述子は法線ベクトル間の角度および曲率の特徴を研究する。ソース点群とターゲット点群の主要点特徴記述子間の類似性を分析し、ユークリッド最小距離および次小距離比法により初期対応関係を確定し、ランダムサンプルコンセンサスアルゴリズムを用いて誤った対応関係を除去し、誤対応を低減する。高精度な登録を実現するために、反復最近点アルゴリズムを用いて精密登録を行い、変換行列を計算し登録誤差を定量的に研究した。実験結果は、複雑な対象の特徴抽出と登録の平均二乗誤差が3.32 mmに達し、0〜50°の登録実験で平均誤差増分が0.33 mm/°であることを示し、比較により本方法が複雑な対象の大角度登録においてより安定していることを示した。宇宙衛星対象の特徴抽出と登録実験の平均二乗誤差は2.71 mm、Y方向の姿勢角誤差は0.427°であり、本手法は宇宙対象の姿勢測定と登録にも適用可能であり、より広範な応用価値を有する。

点群登録; 複雑な対象; 法線ベクトル; 曲率; 誤差解析