改进TrICP算法的多源点云配准研究

针对建筑物多源点云数据配准时出现配准精度低和效率不高的问题，提出一种基于主成分分析(PCA)的改进修剪迭代最近点(TrICP)多源数据配准方法。首先采用PCA算法对点云计算主轴方向，并基于方向反向问题创建校正矩阵进行校正，从而得到两组点云的初始良好位姿转换，完成点云的粗配准步骤；然后针对修剪迭代最近点中搜索点对和迭代次数问题，采用赋权的改进修剪迭代最近点算法完成两种点云数据的精配准。实验数据结果表明，改进的配准算法可以有效地减少多源点云数据迭代次数，提高配准精度并且保证了点云的完整性，相较于其他三种对比算法，精度分别提高56.75%、39.60%、28.08%,有效提升了配准的效率。