기존의 포인트 클라우드 정합 알고리즘은 다양한 장면에서 포인트 클라우드를 정합할 때 적응성이 낮고, 강인성이 부족하며, 정합 효율이 낮은 문제점이 있다. 본 논문에서는 모델 및 실내외 포인트 클라우드를 대상으로 하는 고효율 정합 알고리즘을 제안한다. 먼저, 복셀 그리드 필터를 사용하여 포인트 클라우드를 다운샘플링하고 내부 형태 기술자(ISS)를 사용하여 포인트 클라우드 특징을 추출한다. 그 다음 빠른 점 특징 히스토그램(FPFH)으로 특징점을 기술하고, 랜덤 샘플 합치기(RANSAC) 알고리즘으로 포인트 클라우드를 거칠게 정합한다. 마지막으로 그래픽 처리 장치(GPU)를 병렬 가속하는 복셀화 일반화 반복 최근점(VGICP) 알고리즘을 통해 정밀 정합을 수행한다. 실험 결과, 노이즈가 포함된 3D 모델과 실내 및 낮은 중첩률 실외 포인트 클라우드에서 본 알고리즘은 높은 정합 정확도를 달성하면서 각각 0.118초, 0.306초, 0.648초의 시간만 소요되었다. 기존 정합 알고리즘과 비교할 때 정합 효율이 79.12%, 82.41%, 88.28% 향상되었다. 본 알고리즘은 다양한 응용 시나리오에서 높은 정합 정확도와 정합 효율을 가지며, 더 뛰어난 적응성과 강인성을 가진다.

포인트 클라우드 정합; 랜덤 샘플 합치기; 그래픽 처리 장치; 복셀화 일반화 반복 최근점