傳統(tǒng)ICP算法精度受點云初始位姿影響較大，收斂速度慢，不能滿足精細化點云建模的要求?；诖藛栴}，通過基于快速點特征直方圖的采樣一致性配準方法進行粗配準。首先將兩幀待配準點云進行體素濾波，其次進行表面法向量估計并計算關(guān)鍵點的PFPH特征，然后運用采樣一致性算法得到最優(yōu)變換，最后在此基礎(chǔ)上再進行ICP配準。實驗表明，該方法能有效改善配準精度和收斂速率。

　　三維點云建模所采集的數(shù)據(jù)不僅可以記錄物體的空間信息，而且能夠獲取物體表面的幾何信息，因此它已經(jīng)成為近年來的研究熱點。在實際掃描中，由于物體的復(fù)雜性、儀器設(shè)備等因素的影響，單視角掃描只能獲得某個視角的數(shù)據(jù)，而此視角的數(shù)據(jù)坐標是基于當前的儀器坐標系的位對物體進行掃描，然后將不同方位下采集的數(shù)據(jù)統(tǒng)一到一個坐標系下。

　　PCL 是跨平臺的開源點云庫。PCL 最開始主要應(yīng)用于機器人研究應(yīng)用領(lǐng)域，目前在CAD、逆向工程、激光遙感測量、虛擬現(xiàn)實等領(lǐng)域的應(yīng)用也逐漸展開。為了便于開發(fā)，該庫被劃分為模塊化的代碼庫，每個代碼庫都可以進行單獨的編譯。根據(jù)不同基類對應(yīng)的不同算法，PCL 將點云數(shù)據(jù)處理的流程進行整合，可使代碼更加簡潔，算法結(jié)構(gòu)清晰。PCL 點云庫的模塊化使得算法實現(xiàn)過程更加緊湊和清晰，有助于解決三維激光點云的數(shù)據(jù)處理問題。

　　點云數(shù)據(jù)粗配準的基本思路是在缺少初始位姿信息的情況下，將兩片點云大致粗略的配準到一個坐標系。在此基礎(chǔ)上，ICP 及其改進算法配準的精度才能得到保證。近年來，國內(nèi)外學(xué)者對粗配準算法進行了比較深入的研究。提出的配準算法是以擴展高斯球為基礎(chǔ)的。左超等提出的方法以點云的空間分布稀疏狀態(tài)來控制某一片點云的旋轉(zhuǎn)角度，在熵函數(shù)的基礎(chǔ)上分析點云空間分布狀態(tài)，提出了一種ILSDE 粗配準方法。該算法在誤差允許范圍內(nèi)能有效實現(xiàn)粗配準。顧旭波等提出在點云數(shù)據(jù)中利用SIFT 算法對關(guān)鍵點進行檢測和篩選，隨后運用曲面二次擬合計算其中點的主曲率，最后在設(shè)置閾值的基礎(chǔ)上將主曲率與極值相對比，從而完成初始配準。本文采用基于PFPH （快速點特征直方圖）與采樣一致性相結(jié)合的粗配準方法，可以有效提高點云配準的精度和收斂速度。