В связи с вызовами регистрации точечных облаков в сценариях 3D-реконструкции традиционные методы локального описания признаков часто терпят неудачу из-за недостаточного количества эффективных ключевых точек, слабых геометрических описаний и низкой устойчивости сопоставления. Для решения этой проблемы предложен алгоритм регистрации, объединяющий адаптивную выборку и геометрико-пространственные признаки. Во-первых, с помощью адаптивной вокселизации по плотности и метода редуцирования с заменой ближайших соседей решается проблема различий в размере и неравномерного распределения плотности двух облаков с низким перекрытием, при этом достигается эффективное снижение количества точек; затем с помощью однократного поиска по KD-дереву эффективно вычисляются нормальные векторы, разрабатывается механизм фильтрации на основе количества соседей и ограничений линейности, после чего выбранные ключевые точки объединяются с дескрипторами геометрико-пространственных признаков, что преодолевает избыточные вычисления и недостаточную описательную способность традиционных методов; наконец, предложено двухстороннее сопоставление на основе сходства гистограмм для получения надежных соответствий, которое в сочетании с методом регистрации RANSAC обеспечивает высокоточную и устойчивую регистрацию облаков с низким перекрытием. Алгоритм основан на открытых наборах данных и валидирован на реальных данных. Эксперименты показывают, что предложенный алгоритм снижает среднюю ошибку сопоставления на 51,14%, 64,16% и 78% по сравнению с методами ISS+3DSC+K4PCS, ISS+FPFH+RANSAC и TOLDI+RANSAC соответственно, при этом демонстрирует наивысшую вычислительную эффективность среди успешных сравниваемых алгоритмов, что свидетельствует о его хорошей производительности.

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