Para enfrentar os problemas do algoritmo tradicional Iterative Closest Point (ICP) ao processar características espaciais complexas de nuvens de pontos, enfrentando interferência de ruído e perda de dados que causam baixa velocidade de convergência, baixa precisão de registro e baixa robustez, este artigo propõe um algoritmo de correspondência de nuvens de pontos baseado em condições adaptativas de vizinhança local. Primeiramente, é utilizado o filtro de grade de vóxel para pré-processamento dos dados; com base na distribuição dos pontos vizinhos dentro de vizinhanças de diferentes raios, define-se o grau de curvatura da superfície da vizinhança. Com base nisso, é considerada plenamente a distribuição dos vetores normais e as características da curvatura da vizinhança para obter uma extração mais precisa dos pontos característicos; em seguida, aplicando o método de ajuste de superfícies de mínimos quadrados, são extraídos os pontos característicos com as variações mais significativas na curvatura da vizinhança, estes pontos são descritos usando o Histograma Rápido de Características de Pontos (FPFH) e, por meio de um algoritmo de consistência de amostragem com limiar de distância, pareiam-se pares de pontos característicos semelhantes, calculando os parâmetros chave de transformação de coordenadas para completar o registro inicial. Por fim, é utilizado o algoritmo ICP ponto a plano com otimização por mínimos quadrados lineares para alcançar resultados de registro mais precisos. Uma série de experimentos comparativos mostrou que, em comparação com vários algoritmos de registro existentes (ICP, SAC-IA+ICP, K4PCS+ICP), em condições de interferência de ruído e perda de dados, o método proposto aumentou a precisão do registro em média 45% e a velocidade do registro em 38%, comprovando plenamente que o método possui excelente robustez para o registro de nuvens de pontos de grande volume e baixa sobreposição.

correspondência de nuvens de pontos;vizinhança;vetores normais;histograma rápido de características de pontos;ponto iterativo mais próximo