一种基于定向描述与多特征约束的点云配准方法

本发明公开了一种基于定向描述与多特征约束的点云配准方法，旨在解决点云数据因噪声、稀疏性及数据缺失等问题导致的配准精度不足。现有技术中，点云配准主要依赖端到端变换矩阵估计或基于局部特征的方法，后者在关键点特征描述和特征匹配阶段仍有优化空间。针对关键点特征描述中的旋转不变性问题，本发明在USIP关键点提取网络的基础上提出了一种定向描述结构网络DDN，实现对关键点特征的高鲁棒性描述。此外，为解决特征匹配中的错误对应及低效问题，设计了多特征约束匹配模块MFC，通过引入局部相干性匹配结构和优化的最近点迭代算法ICP，进一步提升配准精度与鲁棒性。实验结果表明，本发明在配准时间、旋转矩阵和平移向量精度上均优于传统算法。