傳統ICP算法精度受點云初始位姿影響較大，收斂速度慢，不能滿足精細化點云建模的要求。基于此問題，通過基于快速點特征直方圖的采樣一致性配準方法進行粗配準。首先將兩幀待配準點云進行體素濾波，其次進行表面法向量估計并計算關鍵點的PFPH特征，然后運用采樣一致性算法得到最優變換，最后在此基礎上再進行ICP配準。實驗表明，該方法能有效改善配準精度和收斂速率。

　　三維點云建模所采集的數據不僅可以記錄物體的空間信息，而且能夠獲取物體表面的幾何信息，因此它已經成為近年來的研究熱點。在實際掃描中，由于物體的復雜性、儀器設備等因素的影響，單視角掃描只能獲得某個視角的數據，而此視角的數據坐標是基于當前的儀器坐標系的位對物體進行掃描，然后將不同方位下采集的數據統一到一個坐標系下。

　　PCL 是跨平臺的開源點云庫。PCL 最開始主要應用于機器人研究應用領域，目前在CAD、逆向工程、激光遙感測量、虛擬現實等領域的應用也逐漸展開。為了便于開發，該庫被劃分為模塊化的代碼庫，每個代碼庫都可以進行單獨的編譯。根據不同基類對應的不同算法，PCL 將點云數據處理的流程進行整合，可使代碼更加簡潔，算法結構清晰。PCL 點云庫的模塊化使得算法實現過程更加緊湊和清晰，有助于解決三維激光點云的數據處理問題。

　　點云數據粗配準的基本思路是在缺少初始位姿信息的情況下，將兩片點云大致粗略的配準到一個坐標系。在此基礎上，ICP 及其改進算法配準的精度才能得到保證。近年來，國內外學者對粗配準算法進行了比較深入的研究。提出的配準算法是以擴展高斯球為基礎的。左超等提出的方法以點云的空間分布稀疏狀態來控制某一片點云的旋轉角度，在熵函數的基礎上分析點云空間分布狀態，提出了一種ILSDE 粗配準方法。該算法在誤差允許范圍內能有效實現粗配準。顧旭波等提出在點云數據中利用SIFT 算法對關鍵點進行檢測和篩選，隨后運用曲面二次擬合計算其中點的主曲率，最后在設置閾值的基礎上將主曲率與極值相對比，從而完成初始配準。本文采用基于PFPH （快速點特征直方圖）與采樣一致性相結合的粗配準方法，可以有效提高點云配準的精度和收斂速度。