전통적인 반복 최근점 (ICP) 알고리즘이 복잡한 점군 공간 특징을 처리할 때 노이즈 간섭과 데이터 결손 문제로 인해 수렴 속도가 느리고 정합 정확도가 낮으며 강건성이 떨어지는 문제를 해결하기 위해, 본 논문에서는 적응형 지역 이웃 조건에 기반한 점군 매칭 알고리즘을 제안한다. 우선, 복셀 격자 필터를 사용하여 데이터를 전처리하고, 다양한 반경의 이웃 내 이웃 점 분포 상황에 따라 이웃 표면의 곡률 정도를 정의한다. 이를 바탕으로 법선 벡터 분포와 이웃 곡률 특징을 충분히 고려하여 보다 정확한 특징점 추출을 수행한다; 다음으로, 최소제곱 곡면 피팅 방법을 활용하여 이웃 곡률 변화가 가장 두드러진 특징점을 추가로 추출하고, 빠른 점 특징 히스토그램(FPFH)을 이용해 특징점을 기술하며, 거리 임계값을 설정하는 샘플 일관성 알고리즘을 통해 유사한 특징점 쌍을 매칭하여 주요 좌표 변환 파라미터를 계산하고 초기 정합을 완료한다. 마지막으로, 점-면 ICP 알고리즘의 선형 최소제곱 최적화를 사용하여 보다 정밀한 정합 결과를 얻는다. 여러 비교 실험을 통해 기존 여러 정합 알고리즘(ICP, SAC-IA+ICP, K4PCS+ICP)과 비교했을 때, 노이즈 간섭 및 데이터 결손 상황에서도 제안된 방법이 평균 45%의 정합 정확도와 38%의 정합 속도 향상을 나타내어 대용량, 낮은 중첩률 점군 정합에서 우수한 강건성을 입증하였다.

점군 매칭;이웃;법선 벡터;빠른 점 특징 히스토그램;반복 최근점