Zur Behandlung der geringen Robustheit und niedrigen Registrierungsgenauigkeit des ICP-Algorithmus bei großen Anfangslageunterschieden, teilweisem Datenverlust und Rauschstörungen wird ein Punktwolkenregistrierungsalgorithmus basierend auf statistischer lokaler Merkmalsbeschreibung und -zuordnung vorgeschlagen. Zunächst wird ein vierdimensionaler Deskriptor lokaler Merkmale aus lokaler Punktdichte, Varianz der Distanz zur Anpassungsebene, Gauß-Krümmung und mittlerer Krümmung konstruiert, der die lokalen Merkmale des Abfragepunkts genau beschreibt; anschließend erfolgt eine Korrespondenzfindung durch Merkmalsunterschiede zwischen Punktpaaren, wobei Fehlpaarungen ausgeschlossen werden, um Probleme durch teilweisen Datenverlust und Rauschstörungen zu lösen; schließlich wird die durchschnittliche Korrespondenzdistanz als Metrik zur Verbesserung des ICP-Algorithmus verwendet, um die Punktwolke zu registrieren und das Problem der niedrigen Registrierungsgenauigkeit bei schlechter Anfangslage zu beheben. Experimentelle Ergebnisse zeigen, dass der Algorithmus die Registrierungsgenauigkeit unter den genannten Bedingungen mindestens um eine Größenordnung erhöht und die Registrierungsrate erheblich verbessert, wodurch deutliche Vorteile in Robustheit und Genauigkeit erzielt werden.

Punktwolkenregistrierung;Merkmalsbeschreibung;Merkmalszuordnung;durchschnittliche Korrespondenzdistanz;iterativer nächster Punkt