Pour résoudre les problèmes de faible robustesse et de faible précision d'alignement de l'algorithme ICP en cas de grande différence de pose initiale, de perte partielle de données et de bruit, une méthode d’alignement de nuage de points basée sur la description statistique des caractéristiques locales et leur correspondance est proposée. Tout d'abord, un descripteur de caractéristiques locales à quatre dimensions est construit à partir de la densité locale des points, de la variance de la distance au plan d’ajustement, de la courbure gaussienne et de la courbure moyenne, décrivant précisément les caractéristiques locales du point interrogé ; puis, la correspondance des points est effectuée en fonction des différences de caractéristiques entre paires de points, en éliminant les mauvaises correspondances pour résoudre le problème de perte partielle des données et du bruit ; enfin, la distance moyenne de correspondance est utilisée comme métrique pour améliorer l’algorithme ICP afin d’aligner les nuages de points, résolvant ainsi le problème de faible précision en cas de mauvaise pose initiale. Les résultats expérimentaux montrent que cet algorithme améliore la précision d’alignement d’au moins un ordre de grandeur dans les cas de grande différence de pose initiale, perte partielle de données et bruit, tout en augmentant considérablement la vitesse d’alignement, démontrant des avantages évidents en termes de robustesse et de précision.

alignement de nuage de points;description des caractéristiques;correspondance des caractéristiques;distance moyenne de correspondance;plus proche point itératif