open3d registration_ransac_based_on_feature_matching 算法理解

点云配准详解

最新推荐文章于 2024-07-01 19:30:00 发布

原创

最新推荐文章于 2024-07-01 19:30:00 发布 · 3.8k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#opend3d #pointcloud

本文深入探讨了使用open3d进行点云配准的过程，详细解析了RegistrationRANSACBasedOnFeatureMatching函数的工作原理，包括如何通过特征匹配寻找点云间的对应关系，以及如何计算最优的配准变换。

0.写在前面

1.最近在做open3d的点云配准,这里附上RegistrationRANSACBasedOnFeatureMatching的源码和一些注释
2.还没看参数checkers的作用

1.主要思想

通过kdtree在target_feature中查找距离source_feature中每个点最近的点,结果储存在similar_features
这些相距最近的点对保存在ransac_corres中
根据这些点对计算源点云到目标点云的变换矩阵transformation
应用transformation,将source向target变换
返回结果RegistrationResult(用fitness和inlier_rmse来评价好坏)

在这里插入图片描述

2.点云的输入是否可以省略

1.用来定义similar_features的大小
2.计算近邻中心点编号(source_sample_id)
3.需要根据两个点云来计算变换矩阵(最关键)

3.点云特征的作用

直接在点云中查找哪些点是对应的点十分困难,
因此通过这些点对应的特征,计算最近邻的点,以此来查找对应点云中对应的点

3.附上代码及注释

RegistrationResult RegistrationRANSACBasedOnFeatureMatching(
        const geometry::PointCloud &source,
        const geometry::PointCloud &target,
        const Feature &source_feature,
        const Feature &target_feature,
        double max_correspondence_distance,
        const TransformationEstimation &estimation
        /* = TransformationEstimationPointToPoint(false)*/,
        int ransac_n /* = 4*/,
        const std::vector<std::reference_wrapper<const CorrespondenceChecker>>
                &checkers /* = {}*/,
        const RANSACConvergenceCriteria &criteria
        /* = RANSACConvergenceCriteria()*/) {
   
   
    if (ransac_n < 3 || max_correspondence_distance <= 0.0) {
   
   
        return RegistrationResult();
    }

    RegistrationResult result;
    int total_validation = 0;
    bool finished_validation = false;
    int num_similar_features = 1;
    //存储各个点的最近邻点
    std::vector<std::vector<int>> similar_features(source.points_.size());

#ifdef _OPENMP
#

最低0.47元/天解锁文章