分层自适应优化的鲁棒点云配准方法、系统、终端及存储介质

本发明公开了一种分层自适应优化的鲁棒点云配准方法、系统、终端及存储介质，方法包括：接收输入源点云和目标点云以及初始变换矩阵，并初始化AdaGrad学习率、Trust Region初始半径以及优化方法切换比例；建立所述源点云与目标点云之间的对应关系，生成对应目标点云；通过奇异值分解进行标准对齐，并计算更新所述变换矩阵；基于鲁棒能量函数评估所述变换矩阵迭代的差值，判断该方法是否收敛；通过AdaGrad与Trust Region分层优化策略迭代更新变换矩阵，其中AdaGrad用于初期优化，Trust Region用于后期优化，当连续迭代变换矩阵差值小于阈值或值达到最小值时终止点云配准方法。本发明有效抑制了异常值和噪声对点云配准精度的影响，在噪声情况下仍能保持良好的配准性能。