SAC-IA粗配准+NDT精配准

最新推荐文章于 2025-06-12 21:10:20 发布

peach_blossom

最新推荐文章于 2025-06-12 21:10:20 发布

阅读量1.1w

点赞数 9

CC 4.0 BY-SA版权

分类专栏： pcl点云库文章标签： pcl

本文链接：https://blog.youkuaiyun.com/peach_blossom/article/details/78506483

本文介绍了SAC-IA结合NDT算法在3D点云配准中的应用。NDT算法是一种基于统计模型的快速配准方法，适用于大量点的配准。文章探讨了NDT算法的关键参数，并提供了代码示例，同时对比了SAC-IA+ICP与SAC-IA+NDT的配准效果，指出后者表现更优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接上一篇讲的SAC-IA+ICP的配准方案，这一篇讲一下SAC-IA+ICP的方案。

正态分布变换算法（3D-NDT）
正态分布变换算法应用于三维点的统计模型，使用标准最优化技术来确定两个点云间的最优的匹配，因为其在配准过程中不利用对应点的特征计算和匹配，所以时间比其他方法快，可用于点较多时的配准过程。其原理可参考Martin Magnusson的The Three-Dimensional Normal-Distributions Transform— an Efficient Representation for Registration,Surface Analysis, and Loop Detection

3D-NDT算法对参数敏感，主要涉及到以下四个参数：最小转换差异（TransformationEpsilon）、More-Thuente线搜索的最大步长（StepSize）、NDT网格结构的分辨率（Resolution）、匹配迭代的最大次数（MaximumIterations）。
在使用此算法时，可以给定或者不给定初始变换矩阵。

还是直接上代码吧：

#include <pcl/registration/ia_ransac.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/fpfh.h>
#include <pcl/search/kdtree.h>
#include <pcl/point_representation.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/filter.h>
#include <pcl/features/normal_3d.h>
#include <pcl/registration/ndt.h>
#include <pcl/registration/transforms.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <time.h>
using pcl::NormalEstimation;
using pcl::search::KdTree;
typedef pcl::PointXYZ PointT;
typedef pcl::PointCloud<PointT> PointCloud;

void visualize_pcd(PointCloud::Ptr pcd_src,
   PointCloud::Ptr pcd_tgt,
   PointCloud::Ptr pcd_final)
{
   pcl::visualization::PCLVisualizer viewer("registration Viewer");
   pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> src_h (pcd_src, 0, 255, 0);
   pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> tgt_h (pcd_tgt, 255, 0, 0);
   pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> final_h (pcd_final, 0, 0, 255);
   viewer.addPointCloud (pcd_src, src_h, "source cloud");
   viewer.addPointCloud (pcd_tgt, tgt_h, "tgt cloud");
   viewer.addPointCloud (pcd_final, final_h, "final cloud");
   //viewer.addCoordinateSystem(1.0);
   while (!viewer.wasStopped())
   {
       viewer