3D Matching：实现halcon中的find_surface_model

        halcon中的三维匹配大致分为两类，一类是基于形状的(Shape-Based)，一类是基于表面的(Surface-Based)。基于形状的匹配可用于单个2D图像中定位复杂的3D物体，3D物体模型必须是CAD模型，且几何边缘清晰可见，使用的相机也要预先进行校准。基于表面的匹配可用于3D场景中快速定位复杂的3D物体，比如在点云中寻找物体，模型可以从CAD或3D传感器中获得，可以包含光滑的表面，基于表面的匹配也称为“体积匹配”。

halcon中的surface matching

        halcon中surface matching参考文献为：Model Globally, Match Locally: Efficient and Robust 3D Object Recognition，该方法已申请专利。通常我们只要知道模型中的三个点，以及其在场景中对应的三个点就可以确定位姿，如果每个点都有一个方向，那么只需要一组对应点和转动角度就能确定位姿。文献中定义了PPF(point pair feature)这样的特征矢量，在创建模板时计算每个特征点与其他特征点的PPF,构建哈希表，将具有相同 feature 的 point pair 放在一起，在匹配时从场景中选取一部分关键点，将每个关键点与其他场景点计算PPF，根据存储好的哈希表对模型点和转动角度进行反向投票，超过设定分数就认为找到了模型的point pair，根据模型点和转动角度算出变换矩阵得到初始位姿，再用ICP求精。

        基于PPF的surface matching网上有很多文章，GitHub上有很多开源实现，opencv中也实现了该算法，对于算法的原理我不再详细