【摘要】为实现航天员混合现实训练中的虚实融合效果，克服虚实空间匹配技术中关键点处局部特征描述子匹配率低的问题，提出基于法向量DBSCAN聚类的三维点云关键点处局部坐标系构建方法。采用KD-Tree方法提取待匹配关键点处邻域点云数据后计算各点的法向量，再利用DBSCAN方法对法向量聚类,计算局部坐标系。轴并转换点云重构局部坐标系,消除深度传感器姿态因素对邻域点云坐标值的影响。实验结果表明:该方法在部分立体视觉数据集上的平均重复率为0.44，法向量聚类方法强化了光滑曲面在z轴估计中的权重，避免了散乱数据的影响。
【关键词】点云匹配；局部坐标系；DBSCAN聚类；旋转不变特征
【作者】许振瑛，何宁，晁建刚，胡帅星
