如何在不需要准确选择特征点的条件下对任意形状目标的点云数据实现快速精确的配准是当前三维激光扫描技术应用中亟待解决的难题之一。粒子群优化算法（Particle Swarm Optimization，简称PSO）从全部样本数据的整体性和宏观性进行考虑，通常被用来计算并优化整体数据的组合问题，适用于对一些非线性和不可微的问题进行计算求解，并作出优化解答（Eberhart et al，1995）。由于PSO算法的概念较为简单，在多个领域都得到了研究和发展（自动目标检测、医学图像处理等）（张利彪等，2004；Eberhart et al，2004；冯林等，2004），但在点云数据配准领域还应用较少。与经典的ICP系列算法每次迭代都进行坐标变换不同，PSO算法只在迭代结束后进行一次坐标转换，转换参数的计算量和计算时间明显减少，算法的复杂程度明显降低；同时，ICP算法是局部最优算法，一旦扫描对象缺少特征信息或特征点选择有误，配准精度将会降低，而PSO算法则将整体思想作为出发点，对重叠区域内的全部数据进行计算且不依赖于数据的几何特征，避免了特征点选取造成的误差；此外，如果同名区域的数据存在噪点，ICP算法会出现假局部最优状态，导致结果精度下降，而PSO算法是针对重叠区域内的整体数据进行迭代计算的优化算法，数据的噪点对于整体配准影响较小，非常适合于岩体点云这种含有噪点的不规则三维数据。
因此，将整体配准方法PSO应用于复杂、散乱的岩体点云数据，根据岩体点云数据的几何特点对PSO算法进行改进和优化，在多站岩体点云重叠区域的全部数据中进行搜索，可实现简洁、快速、高精度的点云配准，达到整体全局最优的配准效果。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
