Para evitar o impacto de valores discrepantes, foi proposto o método misto esparso iterativo do ponto mais próximo (SM-ICP) para realizar o registro preciso de nuvens de pontos. Este artigo investiga a representação esparsa, a solução de regularização e os métodos de registro de nuvens de pontos. Primeiro, utilizando termos de regularização mistos para representar o resíduo de registro, foi construída a função de registro esparsa mista. Em seguida, foi construído um framework de otimização de duplo ciclo para a função proposta combinando o método dos multiplicadores alternados (ADMM). O peso de equilíbrio do termo de regularização misto <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>θ</mi></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/01BF9A56-BD6F-4ca3-8563-2B9164986A93-M001.jpg"/><?fx-imagestate width="1.52400005" height="2.37066650"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/01BF9A56-BD6F-4ca3-8563-2B9164986A93-M001c.jpg"/><?fx-imagestate width="1.52400005" height="2.37066650"?></graphic></alternatives></inline-formula> pode ser resolvido pela função sigmoide; além disso, também é dada a forma escalar da função de perda correspondente dentro do ciclo interno do framework de otimização ADMM. Por fim, deriva-se a expressão do limiar suave da função de perda escalar no registro de nuvens de pontos. Os resultados experimentais mostram que a precisão do registro do algoritmo SM-ICP proposto é superior à dos algoritmos comparados. Em particular, no experimento de registro do coelho Stanford com uma taxa de sobreposição de aproximadamente 50%, o erro de registro truncado do algoritmo SM-ICP foi 2,04×10^-4, reduzindo o erro de registro em uma ordem de magnitude em comparação com os algoritmos Robust Trimmed-ICP (Tr-ICP) e ICP, e cerca de três vezes em comparação com o algoritmo Sparse ICP (S-ICP); em outros experimentos de registro de nuvens de pontos com diferentes objetos e tipos de cena, a precisão do registro do algoritmo SM-ICP também foi melhor do que a dos outros algoritmos comparados; em experimentos de registro de nuvens de pontos com níveis hierárquicos diferentes de ruído aleatório, o erro de registro truncado do SM-ICP variou de 4,90×10^-6 a 1,33×10^-4, também reduzindo o erro em uma ordem de magnitude ou várias vezes em comparação com os outros algoritmos comparados; no experimento de registro das lâminas do motor, o método proposto alcançou com sucesso o registro preciso de nuvens de pontos, enquanto os resultados dos outros algoritmos comparados apresentaram diferentes graus de deslocamento das nuvens de pontos. O método proposto de registro de nuvens de pontos possui vantagens como precisão, robustez e generalização.

registro de nuvem de pontos;algoritmo iterativo do ponto mais próximo;representação esparsa mista;regularização;multiplicadores alternados