民航自助行李托运系统需自动检测行李加装托盘的情况。针对已装载行李的遮挡托盘目标检测问题，提出一种基于多层骨架模型的行李托盘快速检测算法。为准确描述托盘特征，通过空托盘的三维点云模型，构建托盘的边框骨架模型与平面点线模型。在线检测时，首先，采用设计的带状特征描述和提取方法，抓取托盘边框点云，并采用提出的点线引力势能自适应迭代算法，实现平面点线模型的快速粗配准，完成托盘判别。然后，在粗配准的位姿约束下，采用基于随机采样一致性的点云迭代最近点配准，实现边框骨架模型和点云模型的精确配准，得到托盘的精确位姿。大量实际行李托盘检测的对比试验验证了算法的有效性，在托盘遮挡70%以内时，仍可保持94%的正确率，检测速度超过典型算法的6倍以上。

针对传统装配方法面向平面弱几何轮廓结构的工件装配任务表现出的数据配准成功率低、位姿控制精度不足的问题，提出一种基于平面点云配准与相对位姿控制的工业件装配方法。首先通过双目结构光传感器重建出工件点云信息，应用RANSAC-ICP算法对重建结果进行配准，并结合平面法向量特征与最大距离关系进行纠正，从而实现精准点云配准。然后，提出基于相对位姿关系的机械臂控制方法，省略了对工具坐标系的标定，直接利用相对位姿控制机械臂运动，并将相对位姿误差结果作为控制系统误差的评价标准，从而实现可靠装配。最后，在真实测试场景下使用大型工业机械臂进行实验。结果表明，所提方法较传统装配方法装配成功率提升85个百分点，自动化装配精度优于0.5 mm，即该方法可以有效解决平面工件装配问题。

针对迭代最近点(ICP)配准算法易陷入局部最优、迭代收敛速度慢等问题，提出基于内部描述子(ISS)特征点结合改进ICP点云配准算法，先对基准点云和待配准点云进行体素网格下采样，随后选用ISS算法提取特征点，采用点特征直方图(FPFH)对特征点进行特征描述，并寻找两片点云特征点的对应点对，之后利用随机采样一致性算法(RANSAC)算法去除错误对应点对，最后对已有良好初始位姿的两片点云采用基于Nanoflann加速的点到平面ICP算法进行精配准，将配准精度和配准效率进一步提高。试验结果表明，该算法比传统ICP算法迭代次数减少，在精度与速度方面均有显著提升；比尺度不变特征(SIFT)的ICP算法在欧氏适合度评分和配准用时上分别平均减少了64.4%和73.75%。

针对时间飞行(TOF)获取的三维点云数据噪声点多、有效目标在点云中所占比例较小的问题，提出一种适用于TOF 点云数据的基于强度特征匹配的迭代最近点配准算法。首先使用强度特征进行有效区域提取，然后对有效区域进行配准，最后使用有效区域的变化矩阵对整个点云数据进行配准。实验结果表明，该方法能在不影响配准速度的情况下，有效提高真实点云配准的精确度。

迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法, 但此类通过迭代计算逐点距离矩阵实现点云配准的方式, 严重制约了点云的配准效率。本文提出一种快速 ICP算法, 利用 Frobenius范数表示待配准的两幅点云之间的误差函数, 获得误差值最小点位置, 并对此位置进行奇异值分解, 从而得到旋转矩阵和平移向量, 极大压缩了迭代次数和配准时间。在 Standford数据集和 3DMatch数据集上进行试验, 与传统 ICP算法及其变体、3种基于学习的点云配准算法进行对比, 本文方法配准效率最优; 在达到相近的配准精确度时, 提出的快速 ICP方法的迭代次数仅为传统 ICP算法的 0.2倍, 在 Standford数据集上配准所需时间为传统 ICP算法的 1/4, 在 3D Match数据集上配准所需时间为传统 ICP算法的 1/8倍。本文提出的快速 ICP算法在数据量大的点云场景下, 具有更高的效率。

在传感器无法满足相关条件的情况下，变电站机器人巡视轨迹的点云数据不能准确匹配，为此提出红外图像特征融合下变电站机器人巡视轨迹三维点云配准方法。提取机器人运动方向梯度直方图和局部自相似描述两种特征，即 HOG特征和 LSS特征，并采用多特征自适应融合方法融合两种特征，并通过三维点云初步配准获取融合后轨迹特征的关键点和最佳的目标轨迹位姿参数，采用优化的迭代最近点算法精配准巡视轨迹，提升巡视轨迹位姿配准结果。实验结果表明：所研究方法特征融合效果良好，能够提升图像的边缘清晰程度，融合后偏差指数均低于 0.2，准确完成不同大小图像中关键点的配准，并且配准后的巡视轨迹与期望轨迹吻合程度较高。

针对固态激光雷达视场小导致建图过程中回环检测困难的问题，提出了一种基于单帧-子地图描述子匹配的回环检测算法。首先，利用前端里程计提供的位姿将若干帧点云拼接得到子地图后获取描述子，并将其位置加入K维树中。其次，对于每一个当前帧，利用K维树搜索候选子地图，依次按照里程计位姿投影至子地图坐标系后获取描述子，以实现描述子旋转、平移不变性。然后，利用二进制描述子进行对齐，并利用掩模方法计算当前帧描述子和子地图描述子的相似度。最后，对于符合条件的回环对，使用CFB-ICP算法进行配准获得回环因子，并执行因子图优化。在公开数据集以及真实室外环境中分别进行实验测试，结果显示此算法在满足实时性的前提下，可以减小长程建图时的累积误差，提高定位与建图精度。