摘要：在点云数据处理中,点云配准是重要的中间环节。好的点云配准为构建高精度的模型提供了保证;点云配准的关键在于求解变换矩阵。通过对比目前常用求解变换矩阵的奇异值分解(SVD)算法和列文伯格-马夸尔特(LM)算法,提出了一种新的点云配准方法。首先,构建一个新的矩阵指数来表示变换矩阵;其次,为提高整体点云配准的速度,采用K-D tree法来搜索最近点;接着,运用随机采样一致性(RANSAC)算法去除错误的点云,以减少点云迭代次数;最后,运用提出的矩阵指数来求解变换矩阵,以完成点云配准。试验结果表明,新的方法在配准精度和速度上都优于SVD算法和LM算法。该方法为点云数据处理提供了参考。

关键词：点云配准 变换矩阵 矩阵指数 svd算法 lm算法 

单位：昆明理工点大学机电工程学院; 云南昆明650500