Существующие алгоритмы регистрации облаков точек при работе с различными сценами сталкиваются с проблемами низкой применимости, плохой устойчивости и низкой эффективности регистрации. В данной статье предлагается эффективный алгоритм регистрации, ориентированный на модели и облака точек как в помещении, так и на улице. Во-первых, используется фильтрация с помощью воксельной сетки для уменьшения объема данных облака точек и применяется дескриптор внутренней морфологии (ISS) для извлечения особенностей. Затем для описания признаков используется быстрый гистограммный дескриптор признаков точек (FPFH), а для грубой регистрации применяется алгоритм случайной согласованности выборки (RANSAC). Наконец, выполняется точная регистрация с помощью параллельного ускорения графического процессора (GPU) и алгоритма вокселизированного обобщенного итеративного ближайшего соседа (VGICP). Экспериментальные результаты показывают, что для 3D-моделей с шумовыми точками, внутренних и мало перекрывающихся наружных облаков точек данный алгоритм достигает высокой точности регистрации, затрачивая всего 0,118 с, 0,306 с и 0,648 с соответственно. По сравнению с существующими алгоритмами эффективность регистрации увеличилась на 79,12%, 82,41% и 88,28%. Алгоритм демонстрирует высокую точность и эффективность регистрации в различных прикладных сценариях, а также обладает лучшей применимостью и устойчивостью.

регистрация облаков точек; случайная согласованность выборки; графический процессор; вокселизированный обобщенный итеративный ближайший сосед