PCL学习笔记7-registration配准

最新推荐文章于 2024-12-24 13:12:26 发布

好好仔仔

最新推荐文章于 2024-12-24 13:12:26 发布

阅读量608

点赞数

文章标签：学习计算机视觉算法

本文链接：https://blog.youkuaiyun.com/luoyihao123456/article/details/125254919

版权

将各个视角下的点合并到统一的坐标系下

配准可以分为粗配准和精配准两个阶段

粗配准是在点云相对位姿完全未知的情况下对点云进行配准，找到一个可以让两块点云相对近似的旋转平移变换矩阵，为精配准提供良好的初始值。

精配准是指在粗配准的基础上，让点云之间的空间位置差异最小化，得到一个更加精准的旋转平移变换矩阵。该算法的运行速度以及收敛性在很大程度上依赖于给定的初始变换估计以及在迭代过程中对应关系的确立。所以需要各种粗配准技术为ICP算法提供较好的位置。（ICP、NDT)

自动配准技术

整体配准和局部配准

PCL实现的配准算法

步骤：

1. 提取关键点，计算描述子

2. 初步估计对应点对

3. 除去噪声点和错误点对

4. 用正确点对估算变换矩阵

使用迭代最近点算法（ICP)

IterativeClosestPoint<PointXYZ, PointXYZ> icp;
// Set the input source and target
icp.setInputCloud (cloud_source);
icp.setInputTarget (cloud_target);
 
// Set the max correspondence distance to 5cm (e.g., correspondences with higher distances will be ignored)
icp.setMaxCorrespondenceDistance (0.05);  // 距离较大的距离将被忽略
// Set the maximum number of iterations (criterion 1)
icp.setMaximumIterations (50);
// Set the transformation epsilon (criterion 2)
icp.setTransformationEpsilon (1e-8);
// Set the euclidean distance difference epsilon (criterion 3)
icp.setEuclideanFitnessEpsilon (1);
 
// Perform the alignment
icp.align (cloud_source_registered);
 
// Obtain the transformation that aligned cloud_source to cloud_source_registered
Eigen::Matrix4f transformation = icp.getFinalTransformation ();