针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。

基于地面三维激光扫描仪获取树木的点云数据,提出了一种通过细化点云数据体素生成树木骨架的方法。基于树木点云数据构建体素空间,计算点云体素坐标;根据各体素中包含点云数据的统计信息进行体素噪点滤除;利用细化模板对滤除噪声的体素进行细化处理,基于细化后的体素拟合出骨架节点;根据树木在自然空间上的连通性和深度优先搜索算法连接骨架节点,生成树木骨架。利用一棵银杏树和一棵重瓣榆叶梅树对算法进行验证。采用地面三维激光扫描仪分别对这两棵树进行扫描,基于不同扫描精度的树木点云,分析了不同参数对树木骨架生成的影响。在生成银杏树骨架时,本文方法运行时间约缩短至GSA方法的1/30。而处理数据量更大的重瓣榆叶梅树点云数据时,树木骨架生成时间更是缩短至GSA方法的1/67。实验结果表明,所提算法生成的两棵树木骨架形态与树木原始点云所表现的形态结构相对一致,并且具有较好的运算效率,该算法具有一定的可行性和有效性。