点云配准是三维测量中的关键一步,但由于零件点云表面相似特征多,误匹配概率大,导致配准结果难以保证.为此,提出了一种具有高鲁棒性、高精度的点云配准方法.首先,使用FPFH特征描述子来计算点云特征向量,产生初始匹配点对集.然后,依据具有旋转平移不变性的精确几何结构特征对初始匹配点对集进行筛选,剔除误匹配点对.最后,利用列文伯格-马夸尔特(L-M)算法计算点云之间的变换矩阵.实验结果表明,与其他方法相比,其配准精度评价指标RMSE降低80％以上,结合精配准方法可进一步将RMSE值降低86％,从结果可看出本文方法配准精度高且具有较高的鲁棒性.

看病就医是人类的基本需求之一,而医疗信息对于人们就医起到了指导性的作用.现如今,网络已经成为人们获取信息的重要途径之一,鉴于此,在对医疗大数据调研的基础上,运用垂直搜索引擎技术构建了一个实用、可靠的医疗信息检索平台,称其为"医家搜索".对网页爬虫、分词等子模块进行了优化,实现了对医疗数据的可靠分类和筛选.实验结果表明,在准确率、召回率等检索指标上,该搜索引擎能够满足实际应用的要求,可以改善现今的医疗情况.