3D 재구성 응용 시나리오에서 점군 정합의 도전 과제에 대해, 기존의 지역 특징 기술 방법은 효과적인 특징점 부족, 기하학적 기술 능력 약화 및 매칭 강인성 부족으로 인해 정합에 실패하는 경우가 많다. 이를 해결하기 위해 적응형 샘플링과 기하-공간 특징 융합 기반의 정합 알고리즘을 제안한다. 먼저, 적응형 밀도 복셀화 및 최근접 이웃 교체 기반의 다운샘플링 방법을 통해 낮은 중첩률을 가진 두 점군의 크기 차이 및 밀도 분포 불균형 문제를 해결하고, 이 과정에서 효율적인 다운샘플링을 완성한다; 그 다음 단일 KD 트리 검색을 통해 법선 벡터를 효율적으로 계산하며, 인접 점 수와 선형도 제약을 기반으로 한 필터링 메커니즘을 설계하여 필터링된 특징점에 기하-공간 특징 기술자를 융합함으로써 기존 방법의 계산 과다 및 기술력 부족 문제를 극복한다; 마지막으로, 히스토그램 유사도 기반의 양방향 대응 매칭을 제안하여 신뢰할 수 있는 대응 관계를 획득하고, RANSAC 정합 방법과 결합하여 낮은 중첩률 점군의 고정밀 강인한 정합을 실현한다. 본 논문 알고리즘은 공개 데이터셋에 기반해 실제 데이터와 함께 검증되었다. 실험 결과, 본 논문에서 제안한 알고리즘은 ISS+3DSC+K4PCS, ISS+FPFH+RANSAC 및 TOLDI+RANSAC 방법 대비 각각 평균 매칭 오차를 51.14%, 64.16%, 78% 감소시켰으며, 성공적인 정합 비교 알고리즘 중 실행 효율이 가장 높아 전반적으로 우수한 성능을 보였다.

점군 정합;낮은 중첩률;특징 융합;3D 재구성