激光雷达能够采集场景的3D点云数据,可快速、准确的得到被测量物体的深度及重建目标物体的几何模型,而光学相机可对场景采集具有丰富细节的高清晰度2D可见光图像数据。激光点云与可见光图像的融合能够结合二者的优势,使只能表现物体轮廓的3D点云数据具有真实的颜色,大大提升可视性,在三维场景重建、环境交互等领域中发挥了重大作用,从而促进云景观、娱乐交互、自动驾驶以及无人设备等领域的发展。为了标定设备以及提高精度,传统的激光点云与可见光图像的融合需要进行设置参考点以及人工筛选同名点等大量的交互性操作,使得融合过程的自动化程度较低。针对上述问题,本文利用点云的属性信息,提出一种基于深度-回波强度图像与可见光图像特征匹配的激光点云与图像融合算法。首先,将激光点云投影在二维图像平面,使之转换为深度-回波强度图像;然后,与可见光图像进行特征点匹配,得到二者之间的映射关系,进而实现激光点云与可见光图像融合。由于深度-回波强度图像的数据源及成像原理等因素,传统匹配算法对深度-回波强度图像与可见光图像间的特征点识别、提取效果并不理想。本文通过对经典特征匹配方法的不足进行改进,将核Fisher判别分析融入SIFT算法中,改进了特征描述子生成的过程,提升了算法的鲁棒性。最后通过KITTI数据集进行算法验证,证实本文方法在保证激光点云与可见光图像融合精度的同时,提高了点云与图像融合的自动化程度。