특징이 있는 물체와 특징이 없는 물체의 보다 정밀한 3D 재구성을 실현하기 위해, 본 논문에서는 다중 시야 센서 하에서 3D 포인트 클라우드 자동 병합 알고리즘을 연구하였다. 먼저 서로 다른 시야의 센서 쌍에 대한 보정 후 축선 데이터 보정을 수행하고, 이어서 3D 공간 내 다수의 축선 데이터를 분석하여 다중 시야 센서 축선 융합 기반 포인트 클라우드 병합 방법을 제안하여 오차가 최소인 최적 축선 데이터를 계산하였다. 마지막으로, 적합된 축선 데이터를 축심으로 삼아 세계 좌표계 내에서 3D 포인트 클라우드를 병합하였다. 실험 결과, 1.3~1.9m 측정 범위 내에서 본 논문이 제안한 병합 방법은 직경 144.9542mm 표준 구에 대해 0.037mm 이내의 3D 재구성 오차를 보였으며, 특징점이 있는 물체와 없는 물체 모두에서 우수한 병합 효과를 나타냈고 병합 시간은 포인트 클라우드 총량에 영향을 받지 않았다. 본 병합 방법은 3D 재구성의 안정성, 효율성 및 정확성 요구 사항을 기본적으로 충족한다.

3D 재구성; 포인트 클라우드 병합; 축선