三维激光扫描技术可以密集地大量获取目标对象的数据点,可以快速复建出被测目标的三维模型以及线、面、体等各种图件数据,该技术从单点测量突破到面测量,并在文物古迹保护、建筑、规划、灾害评估、船舶设计、数字城市、军事分析、逆向工程和无人驾驶等许多领域应用广泛。三维点云数据配准是该技术应用的一个重要环节,也是点云数据处理的关键步骤。目前,对于三维点云配准所涉及的算法,前人的研究在平衡配准精度和配准速度上,效果还不够理想。在计算点云特征信息和处理大量的点云数据时,目前的算法还存在配准时间长的问题。当点云初始位姿不好或存在错误对应点对时,还存在配准精度不高,甚至陷入局部最优的问题。针对这些问题,本文从均衡提升点云数据配准精度和速度的角度入手,采用“由粗到精”的点云数据配准方案,对三维点云配准开展研究工作。现将本文的主要研究内容和研究结果总结如下:(1)针对三维点云数据到二维图像的转换问题,论文根据三维激光数据点的方位角等信息,实现了三维点云到二维方位角图像的转换。该转换原理为:首先,建立图像平面坐标系;然后,将三维激光点映射到图像平面中;最后,将激光点的方位角值映射为图像的像素值,从而获取二维方位角图像。(2)针对三维点云对应的方位角图像特征匹配问题,论文在三维点云对应的方位角图像基础上,构建了基于ORB+GMS的方位角图像特征匹配算法。该算法的基本思想是:首先,根据上述三维点云到二维图像的转换原理,将三维点云转换为二维方位角图像;然后,利用ORB算法提取大量二维图像特征,并利用基于汉明距离的暴力匹配方法实现方位角图像特征粗匹配;最后,利用GMS算法完成方位角图像特征的二次匹配,以此获取二维匹配点对集。(3)针对计算点云特征信息和处理大量点云数据时配准耗时长,以及点云初始位姿不好导致配准精度降低的问题,论文建立了一种基于方位角图像特征的点云粗配准算法。建立的算法综合考虑了三维点云特征匹配和二维图像特征匹配的特点,其基本思想是:首先,获取三维点云对应的方位角图像的二维匹配点对集;然后,根据方位角图像像素点与三维点云数据点的一一对应关系,由方位角图像的匹配点对集提取三维点云的对应点对集;最后,在此对应点对集基础上,利用奇异值分解法求解变换矩阵,并以此变换矩阵进行点云粗配准。通过粗配准可提升下一步的点云精配准效果。(4)针对点云数据量大时ICP算法存在配准耗时长,以及错误点对影响ICP算法配准精度的问题,论文建立了一种基于改进ICP的点云精配准算法。该算法从点云精简、加速搜索对应点、剔除错误对应点对和求解变换矩阵参数等四个方面入手,对ICP算法进行改进。改进的基本思路是:首先,利用体素栅格精简原始点云数据,以此减少参与对应点搜索的数据量,从而提升配准速度;然后,利用KD树组织精简后的点云数据,并在此基础上搜索对应点,从而加快对应点搜索速度;接着,利用RANSAC算法剔除错误对应点对,从而获得经过提纯的对应点对集;最后,对提纯的对应点对集,使用对偶四元数法求解变换矩阵参数,并以此变换矩阵完成点云精配准。(5)论文采用多组三维点云数据,对本文建立的上述算法开展实验研究,并与其它算法开展实验对比分析。实验结果表明:在三维点云到二维图像的转换方面,基于三维激光点的方位角等信息的转换方案是有效的。在方位角图像特征匹配方面,与SIFT+GMS、BRISK+GMS、AKAZE+GMS、ORB+RANSAC算法相比较,本文构建的ORB+GMS算法在特征点数量、同级别数量特征点提取耗时、二次匹配数量和耗时、对应的点云配准精度等指标上更具优势。在粗配准方面,与FPFH和3DSC算法相比,本文所建立的点云粗配准算法在点对距离误差和配准耗时等方面效果更好。在精配准方面,基于体素栅格、KD树、RANSAC和对偶四元数的改进策略降低了配准的点对距离误差和耗时,能够有效提升配准精度和速度;本文所建立的精配准算法的点对距离误差和配准耗时等指标优于ICP和NDT算法,具有更好的配准效果。