在工件三维扫描重建过程中，由于相机视场有限或存在遮挡，不可能一次重建出 完整的工件模型，因此需要将不同角度测量的结果拼接起来得到完整的点云模型。将 多个角度采集到的模型数据通过拼接算法生成完整模型的过程称为多角度点云拼接。 目前，点云拼接包括粗拼接和精拼接两个步骤。常用的粗拼接方法有靶标辅助 拼接，运动装置辅助拼接，基于特征的拼接和利用点云特征的拼接。粗拼接的精度一般 较低，拼接后的模型在交叠部分会有局部分层，影响模型表面质量，因此还需要对模型 进行进一步的匹配使不同角度的点云更好的融合在一起。最近点迭代算法（Iterative Closest Point，简称 ICP）是目前常用的精拼接方法。以下具体介绍。 

1）靶标辅助拼接 

所谓靶标辅助拼接，即使 3D 相机与三维或二维靶标位置相对固定，两者同时运 动，通过跟踪靶标位置求解相机在不同位置测量时的位姿变换矩阵。孙军华提出了 一种基于移动平面靶标的模型拼接方法，该方法对靶标位置没有特定要求，无需借助 运动平台置，操作简单且精度较高；在此基础上，韩建栋[37]提出一种基于光学定位跟 踪的模型拼接算法，光学扫描仪对目标物进行多次扫描，利用光学定位跟踪装置对扫 描仪进行定位跟踪，从而完成数据的转换，完成模型拼接。该方法使得拼接过程更加简 单，但降低了精度；张广军[38]则提出了以经纬仪为全局坐标系，通过靶标求解相机坐 标系到全局坐标系的位姿关系，从而完成多角度模型拼接。

 2）运动装置辅助拼接 

固定传感器位置并将物体放在精密运动装置上，传感器从不同角度获得物体的三 维点云数据，根据运动装置可直接得到各视角下的点云相对位置关系，最后通过刚性 变换拼接得到完整模型。龙玺等[39]提出了基于转台的拼接方法，此外还有机械臂、高 精度运动导轨等精密运动机构辅助的三维点云拼接。这类方法的拼接精度主要靠运动 装置的精密运动保证，其不需要相邻角度之间有重合区域，适用范围广，但系统复杂， 成本高。

 3）基于特征的拼接 

该类方法主要是利用相邻视角的重合区域的相同特征点来确定相邻视角的位姿变换关系，最后将各单角度点云模型转换到同一坐标系下，从而实现全局拼接。L.Silva[40] 通过提取物体表面特征点并计算其三维坐标，匹配特征点即可求解变换矩阵，该方法 耗时较长且精度不高，同时不适用于平面及回转体等无特征物体；基于此，C.Reich提出在特征不明显或特征相似的物体表面贴标志点的方法，但标志点的自动配准是个 难题；杨帆等研究了标志点的匹配问题，提出利用空间不变性来解决标志点的自动匹 配问题。

4）基于点云特征的拼接 

顾名思义此类方法主要是根据点云自身的几何特征实现拼接，如曲率、法线等。 Zhu 等[42]提出了一种基于曲率和法向量的自动配准算法，使所有两两拼接的点云有足 够的曲率相似成对点，并计算将第一个点映射到第二个点的所有刚性变换，构建三维 空间的哈希表，采用表中法向量重合最多的目标变换对两组点云数据进行配准。Chen 和 Bhanu提出了一种用于曲面表示和三维物体识别的局部描述子，表示了点云局部 表面类型、质心和二维直方图。Basdogan 等[44]提出一种 K 神经网络算法用于寻找点云 之间的对应点，该方法能够在噪声和离群值的影响下有效实现重叠点云对齐，但非常 耗时。Jakub 和 Jan[45]提出了一种基于相位相关法（PCM）对平移和旋转的三维图像进 行对齐的柱面相位相关算法 CPCM（Cylindrical Phase Correlation Method），该算法对 噪声有很强的鲁棒性，但 CPCM 反复寻找基于极坐标区域特征的转换关系，且需要已 知一对位置关系的三维图。Faysal 等提出了一种基于高斯能量最小化的三维自动对 齐方法，该算法定义了一个局部能量目标函数，其在邻域凹坑处取得最小值，但这种方 法需要进行高斯变换且容易陷入局部最大值。此外，当前很多学者致力于研究在不需 要任何初始位姿估计的情况下，如何实现重叠点云的自动对齐。

 5）最近点迭代（ICP）拼接 一般情况下，通过上述几种方法得到的拼接结果精度不高，可通过 ICP（Iterative Closest Point）优化得到更准确的拼接结果。Besl 和 McKay 提出的 ICP 算法利用迭代 求使得对应点对间距离最小的刚性变换，由于其运算简单且精度高，因而得到了广泛 使用。G.Blais 等提出点和投影的对应关系，通过投影点集到目标点云表面来实现 拼接，这种对应点搜索的方式速度很快，但精度有所下降；S.Rusinkiewicz[51]提出点到 曲面的方法，其以鲁棒性好、精度高的特点获得了最广泛的应用。 根据输入点的数量，点云拼接方法可分为两种：成对点云两两拼接（Pair-wise Registration）和点云全局拼接（Global Registration）。通常情况下，相邻点云两两拼接 即可完成 360°拼接，但这样的串联拼接会导致拼接误差累计。点云的全局拼接算法针 对这一问题将累积误差进行控制，从而使得全局拼接的误差最小，实现最优拼接。