该成果以福州大学为第一署名单位，李建微副研究员为第一作者，王前锋副教授为通讯作者。

图源：福州大学

国际摄影测量与遥感学会（International Society for Photogrammetry and Remote Sensing，以下简称为“ISPRS”）是一个以推动摄影测量、遥感与空间信息科学领域国际合作交流为宗旨的非政府和非营利性科学组织，成立于1910年，是该领域历史最为悠久的国际专业组织之一。

《ISPRS摄影测量和遥感杂志》（ISPRS Journal of Photogrammetry and Remote Sensing）：是学会在摄影测量和遥感方向的官方出版物。

点云数据是实现地物三维构建的关键数据源。配准算法多用于相对位姿估计与完整三维环境信息的构建，而定位算法是利用已知环境信息实现感知、规划和控制的基础。现有的点云配准和定位算法涉及大数据运算消耗，如何实现与空间精度间的折衷权衡，快速、鲁棒的点云配准和定位以及如何实现两种方法的融合是当前科研和应用领域中一项巨大的挑战。

针对这些问题，项目组设计了一种基于体素和自适应阈值的区域生长的特征提取方法及利用该特征的点云粗配准框架。

该框架由获取平面特征，构建对应平面集的搜寻、候选变换矩阵生成、变换矩阵的聚类、变换矩阵的优化与快速验证、变换矩阵精细验证组成。

本算法结果与目前最好的state-of-the-art算法相当，即点云配准成功率（超过96.00%），并且具有速度上的优势；此外，本文提出的由平面特征构造由组合平面特征和增强描述符组成的全局描述符的定位方法，不仅在定位成功率上与state-of-the-art算法相当（91.17%），在特征提取和特征对比的效率上也能够兼顾。另外本算法创新性的实现两种方法在特征提取层面的共用和高效融合，能应用于大场景的快速高精度位姿定位。

本文成果在三维重建、机器人和自动驾驶领域具有巨大的应用前景，对更快速、鲁棒的点云配准与定位算法的设计也具有重要的借鉴与指导意义。

论文链接：

https://doi.org/10.1016/j.isprsjprs.2022.04.017