1.一种基于重心与质心变换的三维点云初始配准算法，其特征在于：首先对点云进行滤波处理；然后通过点云数据重心与质心建立点云数据之间的旋转变换初步模型；其次，根据旋转角度与配准误差的关系，建立迭代旋转模型，找出最佳旋转角度，进而完成初始配准；最后，结合ICP算法进一步精确配准。

2.一种基于重心与质心变换的三维点云初始配准算法，其特征在于包括以下步骤：步骤1，分别读取TXT格式的三维点云文件，设P和Q分别为初始位置不同且旋转角度偏差较大的两个点云数据集；

步骤2，运用点云数据处理中的统计滤波器，对点云数据集进行滤波处理.统计滤波器对点云数据中每个数据点的邻域进行统计分析,过滤掉不符合要求的数据点,以减小噪声和离群值的影响；

步骤3，建立初始旋转变换模型；

步骤4，利用点云数据集的空间信息，计算点云P重心和质心，点云Q的重心和质心；

步骤5，计算点云P和Q重心与质心形成的向量；

步骤6，根据初始旋转变换模型，分别计算得到初始旋转变换矩阵R和初始平移矩阵T0；

步骤7，建立迭代旋转变换模型；

步骤8，取旋转角度为 根据配准误差函数公式求出dis[0]，并赋给最小配准误差dis0，即dis0＝dis[0]；

步骤9，将旋转角度 的值加1，计算出

步骤10，判断 是否满足终止条件，若不满足终止条件，比较 与dis0的大小，并将小的值赋给dis0，再执行步骤9；若满足终止条件，则输出dis0最小时对应的步骤11，根据迭代旋转变换模型，得到初始配准后的点云数据集；

步骤12，通过ICP算法对初始配准的点云集进行精确配准；

步骤13，以TXT格式输出精准配准后的点云数据集。

3.根据权利要求2所述一种基于重心与质心变换的三维点云初始配准算法，其特征在于：所述步骤3中，建立初始旋转变换模型包括以下步骤：步骤3-1，设pi和qi分别为点云集P和Q上的点，pm(x1,y1,z1)、pw(a1,b1,c1)分别为点云P重心和质心，qm(x2,y2,z2)、qw(a2,b2,c2)分别为点云Q重心和质心，N为点云数据中点的数量，mi为质心因子，ri为点云数据中各点到点云重心的距离， 满足 则可得到：

点云集P和Q重心与质心形成的向量分别为：

步骤3-2，在三维空间中， 和 空间旋转可以通过旋转角度θ和所围绕的单位向量来定义，不妨设是 由 旋转得到的，则可得：从而可以得到 和 的空间旋转矩阵R0：

即点云集P和Q重心与质心形成线段的空间旋转R0，点云集P旋转后的点云集定义为M，则可得：步骤3-3，设点云集M对应的重心和质心分别为：mm(x′1,y′1,z′1)、mw(a′1,b′1,c′1)，根据点云集M和Q重心与质心重点的距离计算得到初始平移矩阵T0，可得：T0＝(mg+qg)/2-(mm+qm)/2初始平移后的点云集H为：H＝M+T0。

4.根据权利要求2所述一种基于重心与质心变换的三维点云初始配准算法，其特征在于：所述步骤7包括以下步骤：

步骤7-1，通过初始旋转变换模型得到点云集H，计算点云集H重心和质心分别为：hm(x"1,y"1,z"1)、hw(a,b,c)；

步骤7-2，计算得到点云集H重心与质心形成的向量为： 对应的单位向量为

步骤7-3，以点云H集重心与质心形成的向量为旋转轴，点云H集为旋转对象，顺时针旋转角度为自变量，点云集Q匹配欧式距离误差dis0为因变量，由 得，取dis0最小时的旋转角度

步骤7-4，求点云集H绕向量 旋转对应的旋转变换矩阵如下：得到初始配准后的点云集G如下：