地面三维激光扫描点云配准研究综述

用技术ｌ　文章编号：１６７４—９１４６（２０１６）１２—００８０—０４　地面三维激光扫描点　云配准研究综述　蒋荣华　（安徽理工大学测绘学院，安徽淮南２３２０００）　摘要：简要介绍了三维激光扫描技术，阐述了　也面三维激光扫描仪工作原理，根据点云配准的概念　通过研读前　人研究成果。归纳总结了爵前的点云数据配准研究状况。指出了当前点云数据配准研究现状中存在的问题，并提出　了进一母研茺娟秀商。　关越坷；三维激光扫描；　丧云配堆　点云ｉ　ｍｐ　母雷『分类号　￣２５，２文麟　懑鸸　漕　ＤＤ，　豫　痞册　Ｉ６７．＝垂＿９ｚ　￣２０ｉ６１￣２：０８０　１　三维激光扫描技术概述　三维激光扫描技术是近年来兴起的一种新型技　术，是继ＧＰＳ技术之后又一次革命性的新技术，能　够快速、大量地采集物体表面的三维坐标信息，为　物体表面的三维坐标、色彩信息和强度信息。由于　扫描所得数据是由无数个分散的点组成的。因此被　称为“点云”。地面三维激光扫描仪系统主要由扫描　仪、控制器和电源供应系统组成，见图１。其中扫　描仪本身主要包括激光测距系统和激光扫描系统．　快速地建立物体的三维影像模型提供一种全新的　技术。　三维激光扫描仪在扫描过程中，由于受到三维　同时也集成了ＣＣＤ、仪器内部控制、校正等系统。　激光扫描仪视野、物体自身几何形状存在的自遮挡　以及现场测量环境等因素的影响，一次扫描无法获　取物体表面全部的三维坐标信息。因此为了获取物　体完整的三维模型，需要进行多次不同视角的扫　描。由于从不同视角扫描获得的点云数据都是相对　于自己的扫描空问坐标系而言的，为了实现三维建　模，需将多个视点下获取的点云数据整合到一个统　一图１　地面三维激光扫描仪示意图　３点云配准的概念　坐标系下，这就是点云配准川。　由于点云配准的精度直接影响后续三维模型的　点云配准简单说就是将不同视点扫描的点云拼　接在同一个扫描坐标系下。也就是找到两个点云之　间的对应关系，然后将一个坐标系下的点云转换到　另一个坐标系下。配准的主要过程包括寻找同名点　对、确定对应关系、解算变换参数矩阵足与　。　第８１页图２为两站扫描示意图。在　处获取　坐标系０。一　。ｙｌｚ　下的点云数据Ｐ，在曰处获得坐标　系０：一ｘ２ｙｇ　下的点云数据Ｑ，配准就是将这两个坐　标系下的点云数据Ｐ和Ｑ转换到同一个坐标系下。　建立，因此点云数据配准方法一直是数据配准领域　研究的热点问题　国内外研究者做了大量的研究。　笔者对目前点云配准研究现状进行了归纳总结。　２地面三维激光扫描仪工作原理　地面ｉ维激光扫描仪是一种集成多种高新技术　的仪器，它采用非接触式高速激光测量技术，可以　在复杂的空间对物体快速扫描，获取激光点接触的　收稿日期：２０１６—１０—１１；修回日期：２０１６—１１－１４　作者简介：蒋荣华（１９９４一），女，安徽宿州人，在读硕士，主要从事三维激光扫描点云配准研究，Ｅ－ｍａｉｌ：８４４５１０３８９＠ｑｑ．ｃｏｍ。　ｌ　ＳＣＩ－－ＴＥＣＨ　ＩＮＮ０ＶＡＴ１０Ｎ＆ＰＲＯＤＵＣＴＩＶＩＴＹ　一０８０一　Ｎ…ｏ：１　２　Ｄｅｃ．２０１６，ＴｏｔａｌＮｏ．２７５　位置Ａ　位置日　图２两站扫描示意图　对于两站采集到的点，点云Ｐ中坐标为　（　，　Ｙ，　Ｊ，点云Ｑ中坐标为Ｑ　（　，ｌ，，ｚ），且　和　为同名点。严格来说，若将点云Ｐ转换到点云Ｑ所　在的坐标系Ｏ：－ｘｚｙ２ｚ　下，即解算旋转矩阵Ｒ和平移　矩阵　，使两个坐标系下全部同名点对满足刚体变　换，其方程组为　－ｓｉｎａ。　一——　ＣＯＳＯＬ　０　。Ｏ　１　ｌＩＬｒ　ｓｉ　ＣＯ　。ｏ１ｉ　８０　Ｌ．　ｓ　０ｃｏ００　ｉｎＴ埘　，，　ｓ　］ｊ　（（３）２）　　式中：ＯＬ，　，　表示沿　，ｙ，ｚ轴的旋转角；　，　ｔｙ，ｔ　表示沿　，ｙ，ｚ轴的位移量。　式（１）～式（３）是点云配准的基本公式。可　解出同名点转换参数，然后进行点云数据配准。　４点云配准算法　自从三维激光扫描技术兴起以来．国内外学者　在点云配准方面做了大量的研究工作。笔者根据采　用的配准基元，将其分为基于特征的配准算法和基　于无特征的配准算法两类进行介绍。　４．１基于特征的配准算法　基于特征的配准算法是指利用物体表面明显的　几何特征（如角、点、边缘、面或人为添加的控制　标靶等）来解算变换参数。一般利用特征进行配准　可分为３个步骤：一是从原始点云数据中提取特　征；二是选择相似性度量，获取对应特征；三是点　云间变换参数的解算及进行变换。　点是最常采用的特征，如控制点、外部标记　点。若利用外部标记点进行配准，在扫描开始之　应用ａｌ　前，在扫描场景周围设置适当数量的控制点或控制　—．眦Ｃ．．　　Ｓ．．．．．Ｒ　．＝．。．　．．．０　．Ｌ　标靶，扫描时注意使相邻点云图上有３个或３个以　上的同名控制点或控制标靶。然后在点云中识别这　些控制点或控制标靶，利用刚体变换将相邻点云转　换至同一坐标系下。利用特征点进行配准有不少的　研究成果。张东、黄腾［２１提出基于罗德里格矩阵的　激光扫描点云配准的直接计算方法，用３个独立参　数代替３个旋转角参数，建立一种新的旋转矩阵解　算模型，确定平移参数的计算公式。张凯［３Ｊ提出基　于地理场景的三维激光扫描数据空间配准的方法，邶０　　一Ｃ　　采用序列拼接、整体匹配和数据融合的三步配准方　●　案，很好地满足了地理场景的配准需求。曲线和面　也是常用的特征。Ｙａｎｇ　Ｒｕｉｇａｎｇ和Ａｕｅｎ　Ｐｅｔｅｒ　Ｋ　利　用曲线进行配准。并指出特征越明显的物体，配准　精度越高。何文峰『５１利用Ｓｔａｍｏｓ的平面分割算法，　提出先提取出平面特征，再利用平面特征完成配准　新算法。此外，还有其他的一些基于特征的配准方　法，Ｂａｅ　Ｋｗａｎｇ—Ｈｏ和Ｌｉｅｈｔｉ　Ｄｅｒｅｋ　Ｄ嘲提出基于几何　基元和邻域搜索的方法对无序点云进行匹配。采用　点对间的法向矢量及曲率变化作为确定相似性度　量，完成点云的配准。　基于特征的点云配准算法．其优点在于不需要　知道配准变换参数的初始值，简单易于理解：缺点　是需要花费大量的时间在特征的提取及组织上，当　物体表面特征不明显时则难以完成配准工作。　４．２基于无特征的配准算法　正如上文所述．采用基于特征的配准算法需要　花费大量的时间进行特征提取，另外配准的精度受　特征提取精度的影响。而直接利用原始数据配准则　不需要寻找对应特征，因此利用原始数据进行配准　成为配准算法的另一个研究方向，国内外学者在利　用原始数据进行配准方面做了大量的研究。　４．２．１　ＩＣＰ算法与其他利用原始数据的配准算法　人们对利用原始数据的配准算法已研究了几十　年之久．其中经典算法之～就是由Ｂｅｓｌ　Ｐ　Ｊ和　ＭｃＫａｙ　Ｎ　Ｄ提出的最近邻点迭代（Ｉｔｅｒａｔｉｖｅ　Ｃｌｏｓｅｓｔ　Ｐｏｉｎｔ，ＩＣＰ）算法，或称最近点迭代配准算法［７１。该　方法不仅适用于点云数据．而且同样适用于其他曲　面数据　。　ＩＣＰ算法本质上是基于最小二乘的最优匹配算　法，它重复寻找对应点和最优刚体变换，直到满足　某个收敛准则，迭代终止。该算法的目的是找到目　标点集与参考点集之间的变换参数矩阵　和　，使　得两点集之间满足某种度量准则下的最优匹配。该　算法的基本思想是：先假设一个初始位姿（即位置　和姿态）估计．从一个视角扫描获得的点集中选出　科接翻葡　篁　ｆ　２０１６－￣￣－１２月　第　Ｊ一０８１一　用技术‘　一定数量的点，再从另一视角的扫描获取点集中寻　找与这些点对应的距离最近的点集，通过最优刚体　变换，使对应点的点集间距离最小化，通过迭代计　算，直到残差平方和所构成的目标函数值不变ｉｓ］。　假设给定两个ｉ维点集Ｐ和Ｘ．Ｐ的对应点集为Ｑ．　Ｐ来自于Ｘ，Ｃ为对应点的操作，ＩＣＰ配准算法基　本步骤描述如下。　１）初始迭代，先令点集初始位置Ｐ０＝Ｐ。　２）计算点集　中的最近点集　：ｃ（８，　）。　３）根据找到的对应点对，计算变换参数矩阵　Ｒ和　。　４）根据变换参数矩阵　和　，计算点集Ｐ经　过刚体变换得到的新的点集Ｐ’。　５）计算点集　到　。的距离，以两次距离平方　和之差的绝对值作为迭代收敛条件，如果小于给定　的阈值，则迭代中止。　ＩＣＰ算法使用非常广泛，在于其具有以下优　点：一是配准精度高；二是可以处理三维点集、隐　曲面、参数曲线等多种形式表达的曲面：三是不必　对待处理曲面进行分割和特征提取。ＩＣＰ算法虽然　被广泛应用，但也存在一些问题［８１：首先，严格来　说ＩＣＰ算法要求一个点集必须是另一个点集的子　集，然而在实际扫描过程中，点云数据彼此之间只　是部分重叠，一个点集完全覆盖另一个点集是很难　做到的；其次，ＩＣＰ算法迭代第一步要求确定初始　位姿，初始位姿对最后的配准精度有很大的影响，　如果初始位姿与真实情况相差大，ＩＣＰ算法的解很　可能陷入局部最优，因此对初始位姿的误差有一定　要求，并且算法中使用一个点集的所有点进行点对　搜索，寻找同名点对耗时长、效率低，甚至还会引　进错误的点对。　除ＩＣＰ算法以外，研究学者也提出许多其他配　准算法。Ｄａｖｉｄ　Ｌｏｗｅ提出尺度不变特征变换（Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）算法，该算法将　极值点引入到图像检测领域。通过极值提取图像的　特征．并由相似性确定特征的对应关系，从而求得　最终的刚体变换。官云兰、贾风海Ｉ　９ｌ提出一种新的　多视点云数据配准方法，该方法首先构建一个统一　扫描网坐标系，计算出相邻两个点云数据问的变换　参数矩阵和各站点云数据在统一扫描网坐标系下的　坐标，然后结合相邻测站间的公共点，以首站点在　统一扫描坐标系下的坐标经非线性变形改正后应与　首站实际扫描坐标相等、相邻扫描站公共点经非线　性变形改正后坐标应相等为条件，借助非线性变形　改正模型，计算出各个点云的非线性变形参数，实　现对每站扫描点云数据进行改正，降低累积误差　｛ＳＣＩ－－ＴＥＣＨ　ＩＮＮＯＶＡＴＩＯＮ＆ＰＲＯＤＵＣＴＩＶＩＴＹ　Ｌ　。———————　—　…　一Ｄ　一；ＮＯ：１２　Ｄｅｃ．２０１６，Ｔｏｔａｌ　Ｎｏ・２７５　张剑清、翟瑞芳、郑顺义㈣提出一种激光扫描多视　三维点云的全自动无缝镶嵌算法，应用闭合条件约　束的整体平差模型，实现了激光扫描仪多视三维点　云的全自动无缝镶嵌。　４．２．２各种改进的ＩＣＰ算法　针对ＩＣＰ算法的缺陷，近年来研究人员针对该　算法进行了大量研究，提出了多种改进的ＩＣＰ算　法。Ｎｉｓｈｉｎｏ把不同的改进差异归结为配准策略、配　准基元和误差度量３个方面，通过比较国内外学者　提出的各种改进ＩＣＰ算法分类。Ｎｉｓｈｉｎｏ提出的分类　方法可以更好地反映改进的各个阶段。笔者主要从　３个方面对各种改进算法进行了归类总结。　１）配准策略改进方面　主要集中在提高最近　点搜索速度和精度方面，改进点主要在特征度量和　搜索策略上，邹际祥　１提出使用ｋ－ｄ树形结构对点　云数据进行组织管理，快速搜索最近邻点，提高了　ＩＣＰ算法的配准速度，同时也提高了精度。Ｃｈｅｎ　Ｙａｎｇ和Ｍｅｄｉｏｎｉ　Ｇｅｒａｒｄ　提出采用点到匹配点处切　平面的距离代替ＩＣＰ算法中的点到点的距离，并且　采样点时不采用点集中的所有的点。Ｌｉｕ　Ｙ　１｛３１提出在　搜索最近点时使用最优ｋ－ｄ树，为了处理无关点引　入松弛变量，从而提升了ＩＣＰ算法的整体性能。　２）配准基元改进方面　主要集中在减少采样　点数目方面，如采取子采样策略，只对部分点进行　最近邻点的搜索。因为传统ＩＣＰ算法是对点集所有　点进行最近点搜索，非常耗时，并且工作量很大，　所以国内外研究学者针对配准基元进行了许多改　进。Ｂｒｅｔｔ提出基于交替网格的简化算法。先进行三　角化保留重要特征，然后用简化的集合Ｐ去匹配集　合　，再用简化的集合　去匹配集合Ｐ。Ｔｕｒｋ使用　一致采样法　Ｍａｓｕｄａ使用随机采样方法，并且每次　迭代使用不同的采样点。Ｒｕｓｉｎｋｉｅｗｉｃｚ通过使法向　量的分布最大化的方法进行采样。Ｗｅｉｋ提出利用　图像的梯度信息来筛选符合要求的点，只用筛选出　的点进行配准。　３）误差度量改进方面　通常是利用各种限制　条件将错误的对应点删除，或者在变换参数计算时　采用稳健的配准标准及解算方法。罗先波、钟约　先、李仁举【　Ｉ４ｌ提出一种点对点的配准算法。通过求　点到三角面片最近距离的方法。提高点的一一对应　性，来提高配准精度。Ｍｍｈｉｄｅ　Ａ，Ｌｅｇａｒ　Ｃ和Ｄｅ—　ｆｉｃｈｅ　Ｍ　等用四元组的方法估计变换参数．提出了　ＣＩＣＰ算法（这里的Ｃ是指Ｃｏｍｐｒｅｈｅｎｓｉｖｅ．即综　合），该方法在寻找相对应的点的步骤中。引入了　查找矩阵的概念，通过查找距离矩阵来保证获得唯　一的匹配。孟禹［　６１提出带有自适应距离阈值的ＩＣＰ　应用技　改进算法，距离阈值司以过滤掉不合理的对应点　【３】张凯．三维激光扫描数据的空间配准研究ｆＤ】．南京：南　对，并使用最小二乘误差来限定最终配准的精度。　张蒙【１７　］应用欧氏距离阈值和点云方向阈值法改进　ＩＣＰ算法。Ｔｕｒｋ提出剔除含有网格点边缘的点对。　提　置该标准差的倍数为阈值对的距离堡些再　Ｓｈｕｎｉｃｈｉ考虑了ＩＣＰ算　Ｍａ　，　师范大学，２００８．　［４］Ｙａｎｇ　Ｒｕｉｇａｎｇ，Ａｕｅｎ　Ｐｅｔｅｒ　Ｋ・Ｒｅｇｉｓｔｒａｉｔｎｇ，ｉ　ｇｒａｔｉｎｇ　ａｎｄ　ｂ　ｄｄｉ“ｇ　ｃＡＤ　ｍ。ｄ　ｈ　ｍ　ｍ“ｇ。ｄ　【ＡＪ　Ｐ　。。ｄｉ“ｇ　ｏｆ　［５１何文锋．　三　ｎｃｅ　ｏｎ　景三维重　中　度　，ｄ　。配准【Ｄ１．北京：北　法的鲁棒性问题，提出Ｍ—ＩＣＰ算法，把　估计引　入到ＩＣＰ算法中，其主要思想是通过推广目标函数　自动剔除非正常点。最小化点到点距离建立的目标　京大晕２００４　『６１　Ｂａｅ　Ｋｗａｎｇ—ＨｏＬｉｅｈｔｉ　Ｄｅｒ。ｋ　Ｄ．Ａｕｔ０ｍａｔｅｄ　ｒ。ｇｉ　ｔ　ａｔｉｏｎ　ｏｆ　ｕｎｏｒｇａｎｉｚｅｄ　ｐｏｉｎｔ　ｃｌｏｕｄｓ　ｆｒｏｍ　ｔｅ盯ｅｓｔｒｉａ１　１ａ　ｓｃａｎｎｅｒ　ＩＳ一　函数方法目前有基于奇异值分解法、四元数法、正交矩阵法和双四元数法；点到面建立的目标函数最　小化求解方法与点到点有很大不同。它采用非线性　ｆｄ，－乘求闭合解。　５　总结与展望　ＰＲＳ　Ｃｏｎｇｒｅｓｓ　Ｃｏｍｍｉｓｓｉｏｎ，２００４（５）：卜３２．　【７】ＢｅｄＰＪ，ＭｃＫａｙＮＤ・Ａｍｅｔｈｏｄｆｏｒ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ３Ｄ　ｓｈａｐｅｓ　Ｄ］・ＩＥＥＥ　Ｔｒａｎｓｃａｃｔｉｏｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈ　Ｉｎ—　。ｄｉｇ。“　。，１９９２，　４（　）：２３　一２　６・　［８１　维激光扫描仪　最云配准ｐ　南意南京　三维激光扫描应用于三维重建是目前的新兴技　［９１官云兰　凤海她面三维激光扫描多站点云数据配准新　术，三维建模过程中点云配准是其中一个重要的部　分，近年来得到了广泛的关注。笔者对近年来点云　配准方法的研究做了详细的阐述。从目前的研究状　况来看，配准方法基本趋于将两种方法混合使用，　以几何特征为预配准条件，然后再进行配准的迭代　计算，虽然已经取得不错的配准精度和速度，但点　云配准算法的适普性仍然需要进一步提高。在实际　对配准的精度和效率有很大影响，因此怎样有效减　少数据的冗余点是一个研究方向。另外，虽然点云　的配准在不同的应用领域都有类似的解决途径，但　几乎所有配准算法对配准初值都有较高的要求，因　此在点云数据存在噪声点、几何特征不明显、不容　易在实际场景布设靶标等情况下，如何从点云数据　中自动筛选和比较准确地确定起算数据，仍然是一　个需要继续研究的问题。　参考文献：　［１］Ｈｏｍ　Ｂ　Ｋ　Ｐ．Ｓｈａｐｅ　ｆｒ。ｍ　ｓｈａｄｉｎｇ：ａ　ｍｅｔｈ。ｄ　ｆｏｒ。ｂｔａｉ血ｎｇ　ｔｈｅ　方法卟中国矿业大学学报２０１３（９）：８８ｏ一８８５．　［１０１张剑清．翟瑞芳郑顺义擞光扫描多三维视图的全自动　，，无缝镶嵌Ｕ】．武汉大学学报（信息科学版），２００７（２）：１００一　１０３．　［１１１邹际祥ｌ基于ｋｄ—ｔｒｅｅ加速的点云数据配准技术研究【Ｄ】．　合肥：妥徽大学，２０１３・　［１２】ｃｈ。“Ｙ　“ｇ，Ｍ。ｄｉ。“ｉ　Ｇ　ｒａｒｄ・ｏｈｊ。　ｍ。ｄ。　ｉｎｇ　ｂｙ　。ｇｉ　ｎ一　ｔｉ。　［ｃ】．ｓ　蛐。　ｔ。：ＩＥ既，１９９１（４）：２７２４—２７２９．　［１３１　Ｌｉｕ　ＹＡｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａｔｉｏｎ。ｆｏｖｅｒｌａｐｐｉ　ｇ　３Ｄ　ｐｏｉｎｔ　１一　。　ｄｓ　ｉ　ｇ　Ｉ。　。。ｔ　ｐ。ｉｎｔｓ　ＩＪ］Ｉｍａｇ。　Ｖｉ　ｉ。ｎ　Ｃ。ｍｐ　ｔｉ　．描　，不　兰墨存在　点，大量　声点　ｅ。　ｒａ　ｎｃｇｅ。：　：　；　：　．２００６，２４（７）：７６２—７８１．　［１４１罗先波，钟约先，李仁举三维扫描系统中的数据配准技　术卟清华大学学报（自然科学版），２００４（８）：１１０４—１１０６．　［１５】Ａｌｍｈｄｉｅ　Ａ，Ｌｅｇｅｒ　Ｃ，Ｄｅｉｆｃｈｅ　Ｍ，ｅｃ　ａｌ－３Ｄ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｕｓｉｎｇ　ｍｐ　ｎ１ｅｎｔａ“０ｎ　ｔｈｅ　ＩＣＰ　ｇｏｒｉｔｈｍ　ｂａ　ｄｎ　∞一　ｍｐ　。ｈ。“　ｉ　。ｌ００ｋ“Ｐ　ｍ　：ＡＰＰｌｉ　ｔｉ　。ｍ。ｄｉ　ｌ　ｉ　ｇｉ“ｇ　ｄｏｎ　ＬｅｔｔＵ】・Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｅｒｓ，２０Ｏ７，２８（１２）：１５２３—１５３３・　．．ｓｈａＤｅ　０ｆ　ａ　ｓｍｏｏｔｈ　ｏＤａ口ｕｅ　ｏｂｊｅｃｔ　０ｍ　ｏｎｅ　ｖｉｅｗｆＤ１．ｃ：ｍ一　［１６】　孟禹・基于采样球和ＩＣＰ算法的点云配准万法研究【Ｄ】・　ｂｒｉ　ｇｅ：Ｍａｓｓａｃｈｕｓｅｔｔ～　【２】　张　，黄腾．基于罗德里格矩阵的三维激　扫描点云配准　算法卟测绘科学，２０１２（１）：１５６—１５８．　’　：Ｉ　ｔｉｔｕｔｅ　ｏｆＴｅｃｈｎ。ｌ。　，１９　．　［１７１　北京：清华大学，２ｏ１２・　津大学，２０　２・　蒙・　于改进的ＩＣＰ算法的点云配　技术ＩＤ１天津：天　（责任编辑＠￣－Ｔ－）　Ｒｅｓｅａｒｃｈ　Ｓｕｍｍａｒｙ　ｏｎ　Ｔｅｒｒｅｓｔｒｉａｌ　３Ｄ　Ｌａｓｅｒ　Ｓｃａｎｎｉｎｇ　Ｐｏｉｎｔ　Ｃｌｏｕｄｓ　Ｒｅｇｉｓｔｒａｔｉｏｎ　（Ｓｃｈｏｏｌ　ｏｆ　Ｓｕｒｖｅｙｉｎｇ　ａｎｄ　Ｍａｐｐｉｎｇ，Ａｎｈｕｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｉｎａｎ　２３２０００　Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｓ　ｔｈｅ　３Ｄ　ｌａｓｅｒ　ｓｃａｎｎｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　ｄｅｓｃｒｉｂｅｓ　ｔｈｅ　ｗｏｒｋｉｎｇ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｔｅｒｒｅｓｔｒｉａｌ　３Ｄ　ｌａｓｅｒ　ｓｃａｎｎｅｒ．Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｐｏｉｎｔ　ｃｌｏｕｄ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｎｄ　ｔｈｅ　ｐｒｅｖｉｏｕｓ　ｒｅｓｅａｒｃｈ　ｒｅｓｕｌｔｓ，ｉｔ　ｓｕｍｍａｒｉｚｅｓ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｓｔａｔｅ　ｏｆ　ｐｏｉｎｔ　ｃｌｏｕｄ　ｒｅｇｉｓｔｒａｔｉｏｎ，ｐｏｉｎｔｓ　ｏｕｔ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｔｈｅ　ｄｉｒｅｃｔｉｏｎ　ｆｕｒ　ｆｕｒｔｈｅｒ　ｒｅｓｅａｒｃｈ．　Ｋｅｙ　ｗｏｒｄｓ：３Ｄ　ｌａｓｅｒ　ｓｃａｎｎｉｎｇ；ｐｏｉｎｔ　ｃｌｏｕｄｓ　ｒｅｇｉｓｔｒａｔｉｏｎ；ｐｏｉｎｔ　ｃｌｏｕｄｓ；ＩＣＰ　ａｌｇｏｒｉｈｍ　ｔ科撼幽嘶与生产力　ｊ２０１６＃１２月总第２７ｆ　期ｊ一（　３一