用点的切平面来逼近点云，目标距离度量函数简化为点到切平面的最小二乘距离，在这种情况下能通过小角度的近似旋转来实现转换，当两片点集的初始位置很近，有一些相对低的噪音的时候，基于点到平面的误差距离度量能达到二次的收敛。但是，如果两片点云初始位置距离较远，或点云噪声较大时，该算法将会导致ICP算法的收敛错误；文献13提出点到另外曲面的一个局部三角面片垂足之间的距离作为距离度量函数；文献14提出混合局部曲率和点之间距离加权的两种距离度量方法，获得一个二阶近似的平方距离函数，该距离是点pi到由曲面Q表示的距离，对于两片点云较近的情况能获得二次方的收敛，对于点云初始位姿距离较远的情况能实现较优的线性收敛，但也不能保证达到全局最优收敛。221本文的ICPP算法经研究发现，ICP算法正确快速的收敛及达到目标函数优化全局最小很大程度的依赖于对应点的选择和目标距离度量函数的设定，因此我们提出了融
两片点云数据经过主元分析，两片需要配准的点集的特征值和特征向量分别如表1，从表1的主元占总方差的百分比和积累百分比统计数字来看，前3个主元分量的累计贡献率占了绝对部分，对于为后续迭代最近点拼接提供预拼接的条件已经足够。表1主元总方差解释情况表
序号特征值特征向量特征值占总方差百分比积累百分比
1234567
561551317699990201080
f合点到点距离poi
ttopoi
tdista
cemetrics和点到面距离poi
ttopla
e两种模型的综合度量函数（poi
ttopla
ea
dpoi
t），通过分层次的迭代终止条件设定，减少了迭代终止的次数，使用基于kdtree的搜索算法15多次重采样对应点集，减少了对应点的搜索时间，保证了对应点选择的正确性，最终实现了正确全局最小收敛的获取。1初层次收敛对于N变形采样的局部点云数据P1，1使用基Q于几何曲率的采样获取适量的点集对P2Q2作为对应点集对，首先设定相对较大的终止阈值01mm，以减少迭代次数，同时进一步缩小点云间的距离。设piqii1…N分别是点云P2和Q2中的点，理论上，两个曲面拼接完成即认为对应点对piqi之间存在如下式的刚体变换：
未知或相对较远时，使用点到平面的距离度量函数12，因为该方法对于点云距离位姿距离较远的情况能实现较优的线性收敛，如下图4通过小角度的近似旋转来实现转换。qi处的切平面用si来表示，点那么距离度量函数表示为：
e∑Tpiqj其中qjqmi
Tpiq
2i1q∈SJ
N
点到平面的距离可表示为一个线性函数r