针对三维激光点云数据配准问题，提出一种基于特征提取和匹配的点云自动配准算法。算法依据点云中每个点的邻域点集到该点切平面的平均距离信息来提取特征点。利用点云中四种基本几何特征形成特征描述算子，根据特征描述算子的相似性初步搜索匹配点对，然后采用距离约束条件得到精确的匹配点对集合，运用四元数算法计算初始配准参数，最后通过改进的迭代最近点（ICP）算法对点云进行精确配准。实验结果证明了该算法的有效性和可行性。 标签：点云配准；距离约束；特征提取；最近点迭代
三维激光扫描技术作为一种目前新兴的空间信息获取技术，已经广泛应用于文物古迹保护、建筑、数字城市、土木工程、矿山监测等领域，通过对三维激光扫描仪所获得的多个视角扫描得到的点云数据进行坐标转换，最终拼接到同一个坐标系里[1-2]，这即是点云的配准问题。目前，很多国内外专家学者提出了多种点云配准方法，其中最为常见并且应用最为普遍的是迭代最近点（ICP）算法。但ICP算法有其自身的缺陷：首先两片点云之间必须是包含与被包含的关系，其次两片点云必须具有良好的初始位置，否则可能会陷入局部最优，得到错
误的配准结果。针对ICP算法的局限性，国内外很多学者提出采用两阶段配准方法，首先对点云进行初始配准获得良好的初值，然后再采用改进的迭代最近点算法[3-4]进行精确配准。文献[5]通过计算点云中各点的法向量和曲率，利用几何哈希方法出匹配点对进行初始配准；卢章平等[6]提出了一种基于共面4点集的RANSAC初始配准算法； 利用点的法向量与其邻近点的法向量的点积来描述点的特征并形成特征描述算子，进行初始配准。
1 算法介绍
文章利用点云法向量几何信息研究点云自动配准算法。计算点云法向量并进行方向一致化。根据各点的法向量获得每个点的切平面，利用每个点的邻域点集到切平面的距离来判断该点是否为特征点，得到特征点集，然后对特征点集中的每个点基于四种几何特征的点云描述算子，根据点云描述算子的相似性，得到初始匹配点对，然后再采用距离约束条件得到精确匹配点对，采用四元数方法计算初始配准参数，精确配准方面，采用改进的ICP算法提高了算法配准精度。实验采用经典兔子数据，得到了比较理想的效果。
