A presente invenção refere-se a um método para ajustar rapidamente a distribuição de vizinhança de nuvens de pontos tridimensionais. Em primeiro lugar, são definidas três características geométricas dos pontos próximos e proposto um método de descrição de características de distribuição de vizinhança de baixa dimensão e multi-escala para reduzir significativamente a complexidade do cálculo de características e aumentar a capacidade de diferenciação da descrição de características, efetivamente representando as características locais da nuvem de pontos. Em seguida, é proposto um método rápido de ajuste grosseiro com base no grau total de flutuação da nuvem de pontos e na direção de distribuição da vizinhança, para extrair condições iniciais de correspondência de pontos de acordo com a descrição de características de distribuição de vizinhança e aprimorar a condição de restrição de distância euclidiana entre pares de pontos para eliminar pares de correspondência incorretos e alcançar um ajuste grosseiro eficiente e preciso. Finalmente, é proposta a melhoria do algoritmo Iterative Closest Point (ICP) usando a árvore k-dimensional e o método de grade de voxels para aprimorar o ajuste de ponto mais próximo iterativo, e adotar uma estratégia de ajuste preciso duplo para corrigir o erro de ajuste causado pelo subamostragem, aumentando ainda mais a precisão e eficiência do ajuste preciso. Experimentos com o modelo de Stanford e experimentos de ajuste de peças industriais reais de nuvens de pontos mostram que este método, em comparação com métodos de ajuste baseados em características tradicionais existentes, melhora a precisão do ajuste em mais de 22% e reduz o tempo em mais de 43%, provando que este método pode ajustar rapidamente e eficientemente a nuvem de pontos da superfície do objeto em diferentes perspectivas, e tem boa estabilidade e aplicabilidade.

Ajuste de nuvem de pontos; características de distribuição de vizinhança; otimização de pares de correspondência; Iterative Closest Point; método de grade de voxels