В связи с вызовами регистрации точечных облаков в задачах 3D-реконструкции традиционные методы локального описания признаков часто терпят неудачу из-за нехватки эффективных ключевых точек, слабых геометрических возможностей описания и низкой устойчивости сопоставления. Для решения этой проблемы предложен алгоритм регистрации, объединяющий адаптивную выборку и геометрико-пространственные признаки. Во-первых, с помощью адаптивной вокселизации плотности и замены ближайших соседей для уменьшения количества точек решается проблема различия размеров и неравномерного распределения плотности двух точечных облаков с низким перекрытием, при этом достигается эффективное уменьшение количества точек; затем методом однократного поиска в KD-дереве вычисляются нормальные векторы, а также разработан механизм фильтрации на основе числа соседних точек и ограничений линейности, после чего отфильтрованные ключевые точки объединяются с геометрико-пространственными дескрипторами признаков, что позволяет преодолеть избыточность расчётов и недостатки описательной способности традиционных методов; наконец, предложено двунаправленное сопоставление соответствий на основе сходства гистограмм для получения надёжных пар соответствий, которое в сочетании с регистрацией RANSAC обеспечивает высокоточную и устойчивую регистрацию точечных облаков с низким перекрытием. Алгоритм разработан на основе открытых наборов данных и проверен на реальных данных. Эксперименты демонстрируют, что предложенный алгоритм снижает среднюю ошибку сопоставления по сравнению с традиционными методами ISS+3DSC+K4PCS, ISS+FPFH+RANSAC и TOLDI+RANSAC на 51.14%, 64.16% и 78% соответственно, при этом обладает наивысшей скоростью выполнения среди успешных методов регистрации, показывая хорошее общее качество.

регистрация точечных облаков;низкое перекрытие;слияние признаков;3D-реконструкция