CN111915658A - 一种用于点云的配准方法及系统 - Google Patents

Abstract

本申请公开了一种用于点云的配准方法及系统，所述方法包括：对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；从第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；根据第一共面点集和第二共面点集确定候选刚体变换参数，对第二源点云进行转换，得到第三源点云；计算第三源点云与第二目标点云的最终重叠度；根据最终重叠度，从候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。提取第一源点云和第一目标点云的边缘后降采样，得到第二源点云和第二目标点云，能够提高配准精度；通过自动修改初始重叠率值，降低算法时间复杂度，加速点集的提取过程，效率高。

Description

一种用于点云的配准方法及系统

技术领域

本申请涉及三维重建技术领域，尤其涉及一种用于点云的配准方法及系统。

背景技术

近来，三维测量和重建的需求日益增加。点云配准作为三维测量和重建技术的基础技术重要性不言而喻，点云配准是将在任意初始位置扫描得到的点云匹配到对应区域，并从中估计出最佳配准的相应刚性变换参数的过程。

通常，这种转换参数是通过两步程序估算的：初始配准和精确配准。初始配准计算会计算出两幅点云之间粗略而且准确的姿态关系，从而避免接下来的精确配准陷入局部最优解。此外，良好的初始配准也可以加速精确配准的过程。

然而，现有的点云配准方法虽然可以获得很高的配准精度，但其计算复杂度经常降至最差情况O(n³)，且计算时间长（幂越高复杂度越高，消耗时间越长），效率低。

综上所述，需要提供一种计算复杂度低且计算耗时短的效率高的用于点云的配准方法及系统。

发明内容

为解决以上问题，本申请提出了一种用于点云的配准方法及系统。

一方面，本申请提出一种用于点云的配准方法，包括：

分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

从所述第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；

根据所述第一共面点集和所述第二共面点集确定候选刚体变换参数；

根据所述候选刚体变换参数，对第二源点云进行转换，得到第三源点云；

计算所述第三源点云与第二目标点云的最终重叠度；

根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

优选地，所述分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云，包括：

分别提取第一源点云的边缘点集和第一目标点云的边缘点集；

使用滤波器对分别对第一源点云的非边缘点集以及第一目标点云的非边缘点集进行降采样，得到降采样后的非边缘第一源点云的点集和降采样后的非边缘第一目标点云的点集；

组合所述第一源点云的边缘点集与所述降采样后的非边缘第一源点云的点集，得到第二源点云；

组合所述第一目标点云的边缘点集与所述降采样后的非边缘第一目标点云的点集，得到第二目标点云。

优选地，在所述从所述第二源点云中随机提取第一共面点集之前，还包括：

设置点云的初始重叠率值，第一迭代次数和点集匹配失败次数。

优选地，所述从所述第二源点云中随机提取第一共面点集，包括：

计算第二源点云的最大间距；

根据初始重叠率值和所述最大间距，从第二源点云中随机选取三个点，三个点中，点与点之间的距离接近所述初始重叠率值与所述最大间距的乘积；

对所述三个点进行平面拟合，确定平面方程；

从所述第二源点云中获取第四个点，根据所述平面方程和位置条件，确定第一共面点集。

优选地，所述从所述第二源点云中获取第四个点，根据所述平面方程和位置条件，确定第一共面点集，包括：

从所述第二源点云中获取第四个点；

判断所述第四个点是否同时满足平面方程以及位置条件；

若满足，则所述第四个点与三个点形成所述第一共面点集；

若不满足，则执行所述根据初始重叠率值和所述最大间距，从第二源点云中随机选取三个点的步骤。

优选地，所述在第二目标点云中确定第二共面点集，包括：

根据所述第一共面点集，确定第一共面点集的第四点与第一共面点集的第二点之间的第一夹角值和所述第一共面点集的第一交点的位置；

根据所述第一交点的位置，确定第一比例参数和第二比例参数；

更新第二迭代次数；

若第二迭代次数未到达第二迭代阈值，则随机在第二目标点云中寻找第二共面点集的第二点和第三点，所述第二共面点集的第二点和第二共面点集的第三点之间的距离与所述第一共面点集的第二点和第三点之间的距离接近；

根据所述第二比例参数，确定第二交点的位置；

从所述第二目标点云中确定第二共面点集的第四点；

判断所述第二共面点集的第四点是否满足匹配条件；

若满足，则在所述第二目标点云中，根据第二共面点集的第四点和第二交点，确定第二共面点集的第一点；

所述第二共面点集的第一点、第二点、第三点和第四点组成所述第二共面点集。

优选地，在所述更新第二迭代次数之后，还包括：

若第二迭代次数达到第二迭代阈值，则更新第一迭代次数，执行所述在第二目标点云中确定第二共面点集的操作。

优选地，所述根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，包括：

保存得到的所述最终重叠度和与所述最终重叠度对应的第一迭代次数以及与第一迭代次数对应的候选刚体变换参数；

判断第一迭代次数和点集匹配失败次数是否符合判断阈值；

若均符合，则判断所述第一迭代次数是否等于第一迭代阈值，若均不符合，则修改初始重叠率值，并将点集匹配失败次数修改为0，执行所述从所述第二源点云中随机提取第一共面点集的步骤；

若等于，则使用最大公共点集策略，从保存的最终重叠度中确定最大最终重叠度；

使用所述最大最终重叠度，从候选刚体变换参数中确定与所述最大最终重叠度对应的目标刚体变换参数。

优选地，所述判断第一迭代次数和点集匹配失败次数是否符合判断阈值，包括：

判断所述第一迭代次数是否不为100的倍数，且所述点集匹配失败次数是否小于等于匹配失败阈值。

第二方面，本申请提出一种用于点云的配准系统，包括：

预处理模块，用于分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

配准模块，用于从所述第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；根据所述第一共面点集和所述第二共面点集确定候选刚体变换参数；根据所述候选刚体变换参数，对第二源点云进行转换，得到第三源点云；计算所述第三源点云与第二目标点云的最终重叠度；根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

本申请的优点在于：分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云，能够提高配准精度；根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换，当无法确定目标刚体变换参数时，通过自动修改初始重叠率值，能够自动修改点集搜索范围，既避免了无法找到匹配点从而导致配准失败，又降低了算法时间复杂度，从而加速点集的提取过程，计算复杂度低，计算耗时短且效率高。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选事实方案的目的，而并不认为是对本申请的限制。而且在整个附图中，用同样的参考符号表示相同的部件。在附图中：

图1是本申请提供的一种用于点云的配准方法的步骤示意图；

图2是本申请提供的一种用于点云的配准方法的第一共面点集的示意图；

图3是本申请提供的一种用于点云的配准方法的在第二目标点云中进行第二共面点集匹配的示意图；

图4是本申请提供的一种用于点云的配准系统的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

第一方面，根据本申请的实施方式，提出一种用于点云的配准方法，如图1所示，包括：

S101，分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

S102，从第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；

S103，根据第一共面点集和第二共面点集确定候选刚体变换参数；

S104，根据候选刚体变换参数，对第二源点云进行转换，得到第三源点云；

S105，计算第三源点云与第二目标点云的最终重叠度；

S106，根据最终重叠度，从候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

其中，确定候选刚体变换参数可以使用奇异值分解算法，通过奇异值分解算法，计算对第一共面点集和第二共面点集的候选刚体变换参数。第二源点云和第二目标点云，均为保留了边缘特征的稀疏点云。

在分别对第一源点云和第一目标点云进行边缘提取以及降采样之前，还包括：读取两个部分重叠的待配准点云，第一源点云和第一目标点云。

分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云，包括：

分别提取第一源点云的边缘点集和第一目标点云的边缘点集；

使用滤波器对分别对第一源点云的非边缘点集以及第一目标点云的非边缘点集进行降采样，得到降采样后的非边缘第一源点云的点集和降采样后的非边缘第一目标点云的点集；

组合第一源点云的边缘点集与降采样后的非边缘第一源点云的点集，得到第二源点云；

组合第一目标点云的边缘点集与降采样后的非边缘第一目标点云的点集，得到第二目标点云。

其中，滤波器包括：体素网格滤波器。

在从第二源点云中随机提取第一共面点集之前，还包括：

设置点云的初始重叠率值，第一迭代次数和点集匹配失败次数。初始重叠率值优选地，为0.6至1.0之间的任意值；第一迭代次数设置为0；点集匹配失败次数设置为0。

从第二源点云中随机提取第一共面点集，包括：

计算第二源点云的最大间距；

根据初始重叠率值和最大间距，从第二源点云中随机选取三个点，三个点中，点与点之间的距离接近初始重叠率值与最大间距的乘积；

对三个点进行平面拟合，确定平面方程；

从第二源点云中获取第四个点，根据平面方程和位置条件，确定第一共面点集。

从第二源点云中获取第四个点，根据平面方程和位置条件，确定第一共面点集，包括：

从第二源点云中获取第四个点；

判断第四个点是否同时满足平面方程以及位置条件；

若满足，则第四个点与三个点形成第一共面点集；

若不满足，则执行根据初始重叠率值和最大间距，从第二源点云中随机选取三个点的步骤。

其中，位置条件为：1个点距离接近最大间距乘以初始重叠率值的积，且构成的夹角θ在45度到90度之间。

在第二目标点云中确定第二共面点集，包括：

根据第一共面点集，确定第一共面点集的第四点与第一共面点集的第二点之间的第一夹角值和第一共面点集的第一交点的位置；

根据第一交点的位置，确定第一比例参数和第二比例参数；

更新第二迭代次数；

若第二迭代次数未到达第二迭代阈值，则随机在第二目标点云中寻找第二共面点集的第二点和第三点，第二共面点集的第二点和第二共面点集的第三点之间的距离与第一共面点集的第二点和第三点之间的距离接近；

根据第二比例参数，确定第二交点的位置；

从第二目标点云中确定第二共面点集的第四点；

判断第二共面点集的第四点是否满足匹配条件；

若满足，则在第二目标点云中，根据第二共面点集的第四点和第二交点，确定第二共面点集的第一点；

第二共面点集的第一点、第二点、第三点和第四点组成第二共面点集。

其中，匹配条件为：该点与第二交点的距离约等于第一共面点集中的第四点和第一交点之间的距离，且与第二目标点云中的第二交点和第二目标点云中第二点构成的夹角θ’约等于第二原点云中的第一交点和第二原点云中的第二点构成的夹角θ值。

在判断第二共面点集的第四点是否满足匹配条件之后，还包括：若不满足匹配条件，则执行更新第二迭代次数的操作。

在更新第二迭代次数之后，还包括：

若第二迭代次数达到第二迭代阈值，则更新第一迭代次数，执行在第二目标点云中确定第二共面点集的操作。

根据最终重叠度，从候选刚体变换参数中确定目标刚体变换参数，包括：

保存得到的最终重叠度和与最终重叠度对应的第一迭代次数以及与第一迭代次数对应的候选刚体变换参数；

判断第一迭代次数和点集匹配失败次数是否符合判断阈值；

若均符合，则判断第一迭代次数是否等于第一迭代阈值，若均不符合，则修改初始重叠率值，并将点集匹配失败次数修改为0，执行从第二源点云中随机提取第一共面点集的步骤；

若等于，则使用最大公共点集（Largest Common Point set，LCP）策略，从保存的最终重叠度中确定最大最终重叠度；

使用最大最终重叠度，从候选刚体变换参数中确定与最大最终重叠度对应的目标刚体变换参数。

判断第一迭代次数和点集匹配失败次数是否符合判断阈值，包括：

判断第一迭代次数是否不为100的倍数，且点集匹配失败次数是否小于等于匹配失败阈值。

其中，修改初始重叠率值为，将初始重叠率值r修改为原初始重叠率值的0.3倍（r=r*0.3）。第一迭代阈值为第一迭代次数对应的达最大迭代次数，匹配失败阈值优选地，为75。

下面，对本申请实施例进行进一步说明。

S100、读取两个部分重叠的待配准点云，第一源点云P和第一目标点云T。

S101A、分别提取第一源点云P和第一目标点云T的边缘点集，通过体素网格滤波器分别对第一源点云P中非边缘点集和第一目标点云T中非边缘点集进行降采样，再组合，得到保留边缘特征的稀疏源点云（第二源点云）P’和保留边缘特征的稀疏目标点云（第二目标点云）T’。

S101B、将点云的初始重叠率值r设置为0.6-1.0之间任意值，已迭代次数（第一迭代次数）N设为0，点集匹配失败次数N_fail设为0。

S102A、计算第二源点云P’的最大点间距length_max，结合当前的初始重叠率值r，从第二点云P’中随机提取满足条件的共面四点点集（第一共面点集）B。

具体地，S102A包括：

S102A1、随机在第二点云P’中选取3个点，点1（第一点）、点2（第二点）和点3（第三点），点与点之间的距离应接近最大点间距乘以初始重叠率值（length_max*r）的积；

S102A2、对上述3个点进行平面拟合得到平面方程，在从点云中选取满足条件的点4（第四点）构成一组基，第4个点需满足以下条件：

①满足拟合的平面方程；

②如图2所示，点4与点1距离接近最大点间距乘以初始重叠率值的积，且构成的夹角θ在45度到90度之间。

如果不存在合适的点4，则返回S102A1。

存在第4个点，则执行S102B。

S102B、从第二目标点云T’中寻找与第一共面点集B匹配的共面四点点集（第二共面点集）Mi，并更新第一迭代次数N的值，令N＝N+1。如果当前不存在匹配的第二共点集Mi，则令点集匹配失败次数N_fail=N_fail+1，执行步骤8。

具体地，S102B包括：

S102B1、计算第一共面点集B中的比例参数r1、r2以及夹角θ值，其中r1和r2的计算公式如下：

r1=‖1-e‖/‖1-4‖

r2=‖2-e‖/‖2-3‖

其中，‖1-e‖表示第一点和第一交点e之间的欧式距离，‖2-e‖代表第二点和第一交点e之间的欧式距离，‖1-4‖表示第一点与第四点之间的欧式距离，‖2-3‖表示第二点与第三点的欧式距离。r1和r2的值是共面点集中的重要参数，在第二目标点云中寻找匹配的第一共面点集过程中可以利用这两个参数剔除绝大部分不符合条件的共面点集，提高匹配效率。

S102B2、第二迭代次数M设为0。

S102B3、更新第一迭代次数M的值，令M＝M+1，并判断M是否达到最大迭代次数。如果M达到最大迭代次数，则迭代结束，当前不存在匹配的第二共点集Mi，与第一共面点集B匹配的第二共面点集Mi为空，令点集匹配失败次数N_fail=N_fail+1，执行S105A；如果M未达到最大迭代次数，则随机在第二目标点云T’中寻找两个点2’（第二目标点云中的第二点）和点3’（第二目标点云中的第三点），使得点2’和点3’距离约等于第一共面点集B中的点2和点3之间距离。

S102B4、根据r2值估算第二交点e’点的空间位置，如图3所示。

S102B5、在第二目标点云T’中遍历寻找点4’（第二目标点云中的第四点），该点与第二交点e’的距离约等于点4（第一共面点集中的第一点）和第一交点e之间的距离，且点4’与第二交点e’和点2’构成的夹角θ’约等于θ值，如果未能找到合适的点4’，则执行S102B3。

S102B6、在第二目标点云T’中沿着直线4’e’延长线上寻找符合条件的点1’（第二目标点云中的第一点），该点与第二交点’的距离约等于点1和第一交点e之间的距离，如果未能找到合适的点1’，则执行S102B3，如果找到合适的点1’，则迭代结束，将点1’、点2’、点3’和点4’组合成第二共面点集Mi。

S103A、通过奇异值分解算法对第一共面点集B和第二共面点集Mi计算候选刚体变换参数Ti。

S104A、使用候选刚体变换参数Ti对第二源点云P’进行转换得到全局变换后点云（第三源点云）P’’，计算第三源点云P’’与第二目标点云T’的最终重叠度，记录第一迭代次数N次数下候选刚体变换参数以及对应最终重叠度。

S105A、判断当前N%100（第一迭代次数与100的倍数）是否等于0，如果N%100=0（第一迭代次数不为100的倍数），并且，如果点集匹配失败次数N_fail值>75，则认为当前点云初始重叠率值r值过大，令r=r*0.3，并重置点集匹配失败次数N_fai，l值令N_fail=0。

S106A、判断第一迭代次数N是否达到最大迭代次数，如果第一迭代次数N达到最大迭代次数，则算法结束并使用LCP策略寻找配准后最大最终重叠度的刚体变换参数作为第一源点云P和第一目标点云T之间的目标刚体变换参数，使用目标刚体变换参数，进行第一源点云与第二源点云的刚体变换；否则，执行S102A，继续迭代。

由于每次成功迭代都会计算出一个刚体变换参数Ti，并且每个刚体变换参数Ti对应一个最终重叠度的值，因此，需要记录第一迭代次数N、刚体变换参数Ti以及对应最终重叠度的值，得到一组数据为后续寻找最大最终重叠度提供信息。

本申请的实施方式结合了点云预处理技术、快速点对提取技术以及阈值动态调节方法来提高算法的效率和鲁棒性。相较于传统方法只对第一源点云P和第一目标点云T进行简单的降采样不同，本申请的实施方式额外提取了第一源点云P和第一目标点云T的边缘点，边缘点集的保留有助于后续中的同名点集匹配，可提高配准精度。在点云预处理时对点云进行保留的降采样操作，确保点云的配准精度；在预处理后的点云（第二源点云和第二目标点云）中选择共面四个点作为基；在迭代过程中通过自适应调整点云初始重叠率值来达到自动点集范围搜索目的，既避免了无法找到匹配点从而导致配准失败，又降低了算法时间复杂度，从而加速一致点集的提取过程。

第二方面，根据本申请的实施方式，提出一种用于点云的配准系统，如图4所示，包括：

预处理模块101，用于分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

配准模块102，用于从第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；根据第一共面点集和第二共面点集确定候选刚体变换参数；根据候选刚体变换参数，对第二源点云进行转换，得到第三源点云；计算第三源点云与第二目标点云的最终重叠度；根据最终重叠度，从候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

本申请的方法中，通过分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云，能够提高配准精度；根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换，当无法确定目标刚体变换参数时，通过自动修改初始重叠率值，能够自动修改点集搜索范围，既避免了无法找到匹配点从而导致配准失败，又降低了算法时间复杂度，从而加速点集的提取过程，计算复杂度低，计算耗时短且效率高。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种用于点云的配准方法，其特征在于，包括：

分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

从所述第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；

根据所述第一共面点集和所述第二共面点集确定候选刚体变换参数；

根据所述候选刚体变换参数，对第二源点云进行转换，得到第三源点云；

计算所述第三源点云与第二目标点云的最终重叠度；

根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

2.根据权利要求1所述的用于点云的配准方法，其特征在于，所述分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云，包括：

分别提取第一源点云的边缘点集和第一目标点云的边缘点集；

使用滤波器对分别对第一源点云的非边缘点集以及第一目标点云的非边缘点集进行降采样，得到降采样后的非边缘第一源点云的点集和降采样后的非边缘第一目标点云的点集；

组合所述第一源点云的边缘点集与所述降采样后的非边缘第一源点云的点集，得到第二源点云；

组合所述第一目标点云的边缘点集与所述降采样后的非边缘第一目标点云的点集，得到第二目标点云。

3.根据权利要求1所述的用于点云的配准方法，其特征在于，在所述从所述第二源点云中随机提取第一共面点集之前，还包括：

设置点云的初始重叠率值，第一迭代次数和点集匹配失败次数。

4.根据权利要求3所述的用于点云的配准方法，其特征在于，所述从所述第二源点云中随机提取第一共面点集，包括：

计算第二源点云的最大间距；

根据初始重叠率值和所述最大间距，从第二源点云中随机选取三个点，三个点中，点与点之间的距离接近所述初始重叠率值与所述最大间距的乘积；

对所述三个点进行平面拟合，确定平面方程；

从所述第二源点云中获取第四个点，根据所述平面方程和位置条件，确定第一共面点集。

5.根据权利要求4所述的用于点云的配准方法，其特征在于，所述从所述第二源点云中获取第四个点，根据所述平面方程和位置条件，确定第一共面点集，包括：

从所述第二源点云中获取第四个点；

判断所述第四个点是否同时满足平面方程以及位置条件；

若满足，则所述第四个点与三个点形成所述第一共面点集；

若不满足，则执行所述根据初始重叠率值和所述最大间距，从第二源点云中随机选取三个点的步骤。

6.根据权利要求4所述的用于点云的配准方法，其特征在于，所述在第二目标点云中确定第二共面点集，包括：

根据所述第一共面点集，确定第一共面点集的第四点与第一共面点集的第二点之间的第一夹角值和所述第一共面点集的第一交点的位置；

根据所述第一交点的位置，确定第一比例参数和第二比例参数；

更新第二迭代次数；

若第二迭代次数未到达第二迭代阈值，则随机在第二目标点云中寻找第二共面点集的第二点和第三点，所述第二共面点集的第二点和第二共面点集的第三点之间的距离与所述第一共面点集的第二点和第三点之间的距离接近；

根据所述第二比例参数，确定第二交点的位置；

从所述第二目标点云中确定第二共面点集的第四点；

判断所述第二共面点集的第四点是否满足匹配条件；

若满足，则在所述第二目标点云中，根据第二共面点集的第四点和第二交点，确定第二共面点集的第一点；

所述第二共面点集的第一点、第二点、第三点和第四点组成所述第二共面点集。

7.根据权利要求6所述的用于点云的配准方法，其特征在于，在所述更新第二迭代次数之后，还包括：

若第二迭代次数达到第二迭代阈值，则更新第一迭代次数，执行所述在第二目标点云中确定第二共面点集的操作。

8.根据权利要求7所述的用于点云的配准方法，其特征在于，所述根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，包括：

保存得到的所述最终重叠度和与所述最终重叠度对应的第一迭代次数以及与第一迭代次数对应的候选刚体变换参数；

判断第一迭代次数和点集匹配失败次数是否符合判断阈值；

若均符合，则判断所述第一迭代次数是否等于第一迭代阈值，若均不符合，则修改初始重叠率值，并将点集匹配失败次数修改为0，执行所述从所述第二源点云中随机提取第一共面点集的步骤；

若等于，则使用最大公共点集策略，从保存的最终重叠度中确定最大最终重叠度；

使用所述最大最终重叠度，从候选刚体变换参数中确定与所述最大最终重叠度对应的目标刚体变换参数。

9.根据权利要求8所述的用于点云的配准方法，其特征在于，所述判断第一迭代次数和点集匹配失败次数是否符合判断阈值，包括：

判断所述第一迭代次数是否不为100的倍数，且所述点集匹配失败次数是否小于等于匹配失败阈值。

10.一种用于点云的配准系统，其特征在于，包括：

预处理模块，用于分别对第一源点云和第一目标点云进行边缘提取以及降采样，得到第二源点云和第二目标点云；

配准模块，用于从所述第二源点云中随机提取第一共面点集，在第二目标点云中确定第二共面点集；根据所述第一共面点集和所述第二共面点集确定候选刚体变换参数；根据所述候选刚体变换参数，对第二源点云进行转换，得到第三源点云；计算所述第三源点云与第二目标点云的最终重叠度；根据所述最终重叠度，从所述候选刚体变换参数中确定目标刚体变换参数，进行第一源点云与第二源点云的刚体变换。

Images