1. 研究目的与意义（文献综述）

1.1课题研究的背景及意义

随着计算机的发展和三维技术图形技术的进步，把物体进行三维扫描并进行转换已经成为了对三维物体进行计算机存储和应用的方法之一，我们可以通过接触式测量，如用接触性探针采集物体的一些区域，也可以通过非接触式测量，如激光扫描和ct扫描，以及最近刚刚出现的用无人机拍摄并进行三维建模等方法，把物体转化为三维点云^[1]，储存在电脑上，但是我们所使用的摄像头的位置不同，角度不同，我们所得到的同一物体的点云集合也不同，在本文中我们所要讨论的就是如何对同一物体的点云进行匹配。

目前，点云数据由于其所具有的独特的优势，应用的领域越来越广泛，在医疗领域，文物修复领域，建筑学领域均有的应用，当我们通过激光扫描或者其他方式获得点云的过程中，可能由于被测物体尺寸过大，表面被遮挡，扫描角度和光照范围等因素的影响，三维点云存在一定的平移和旋转误差^[2]，而点云的匹配是解决这种问题的一个有效途径，目前，解决点云匹配最广泛使用的算法为icp(the iterative closest point algorithm)算法，随着点云中点的数量的增多，传统的icp算法计算量比较大，因而本文通过探究一种基于奇异值分解的三维点云icp匹配算法来减少计算量，进而更好的适应大数据的环境。

2. 研究的基本内容与方案

本文通过分析三维点云的特征，利用pcl库函数，编写c 程序来对点云进行匹配，本文首先综述了icp算法的发展以及icp算法的原理，探究并得出基于奇异值分解的icp匹配算法的算法流程图，并以此为基础编写出相应的算法并且进行点云匹配。

本文的研究思路：

本文分为几个部分

3. 研究计划与安排

1.第1-3周：查阅相关文献资料，明确研究内容，了解研究所需资料。确定方案，完成开题报告。

2.第4-7周：平台系统设计。

3.第8-11周：程序编写。

4. 参考文献（12篇以上）

参考文献：

[1] 李勇.基于激光扫描点云数据的建筑物三维重建研究[d].中南大学,2011.

[2] 郎萍.icp算法的改进及大规模点云配准方法的研究[d].中山大学,2017.