自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中，Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题，提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进；利用点云曲率约束实现角点的自适应筛选与提取，减少角点响应值的计算量；构建角点几何结构的特征描述子，结合阈值检测和描述子匹配，将角点匹配对集合进行扩展，从而完成源点云和目标点云之间粗配准；将所提算法得到的配准结果作为精配准初始值，利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较，结果表明：所提算法的特征正确提取率为0.93,正确率最高；提取时间为7.63 s,效率最快；所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低，配准效果最佳。