，迭代直至误差范围之内。实践证明该算法一定程度上是解决拼接问题的有效方法，它通过迭代点的距离和变换使两片点云之间的距离均方误差最小。该算法的关键技术是快速查找最近点，较好的初始位置定位和求解变换。对点云建立KD树的话，可以加快对应点对的查找，人工判断若干个点也可以使得点云具有较好的初始位置。现在的配准算法大多都是基于此基础上进行改进的。ICP算法研究改进的主要目标是解决优化两个问题：良好的初始值和在迭代过程的精确的对应关系。确立正确对应点，剔除噪声点对也是改进的关键。此外，如何提高对应点对的搜索效率也很重要。2算法基础实时的三维重建算法是近几年虚拟现实领域的研究热点，在众多算法中，NewCombe5和Izadi6提出的Ki
ectFusio
实现实时重建，提出利用截断符号距离函数算法（TSDF）7来表达三维场景，其基本原理是首先利用传感器采集得到的深度图，彩色图和深度相机标定的相机参数，用ICP2快速投影算法配准。Ki
ectFusio
算法有如下问题，（1）设定的三维网格的大小限制内存，从而影响场景的尺度。（2）大量的计算依赖于GPU（GraphicProcessi
gU
it）并行计算。本算法主要分成四个阶段，第一阶段：利用Ki
ecfusio
获取有重叠区域的两次单帧三维点云，分别以此两帧为起始帧移动ki
ect获得更大模型，共计四个模型。第二阶段：利用相机标定确定相机内参矩阵，使用内参矩阵投影两次单帧三维点云成RGB图像。第三阶段：对二维图像预处理，利用surf算法快速获得两次投影的二维图像对应点，并利用改进的RANSAC剔除错配。第四阶段：利用二维图像的对应信息返回投影之前三维点的对应信息，给ICP算法一个很好的初始值迭代求解最优变换矩阵应用到两个大模型，从而得到拼接以后的模型。21相机标定为了标定相机，需要拍摄三维场景中坐标已知的一组。然后，必须确定这些点在图像中的位置。显然，为了得到精确的结果，我们需要观察多个点。事实上为了求解方程需要至少五对对应点。来求解以下方程的内参与外参数：一种方法是拍摄由许多已知点组成的场景。为了方便也可以从不同角度多次拍摄一组点。Ope
cv使用棋盘图来生成一组三维点，每个点都位于方块的角点处。由于这是平面图案，我们可以假设棋盘位于Z0的平面上，而X轴和Y轴与网络对齐。标定的过程中，我们从不同视角展示棋盘图案。Ope
cv提供自动检测棋盘中角点的函数。需要提供一幅图像以及棋盘的尺寸（水平方向及垂直方向内部角点的个数）该函数返回棋盘角点在图像中的位置。r