DCP代码及实验记录 2020.9.5

实验结果和代码已上传至学校云盘: 链接：
https://rec.ustc.edu.cn/share/41947130-ef56-11ea-ae23-ebe12587560c

• 00:

  使用modelNet40的点云数据进行配准实验。

  点云数目：2048

  modelnet的点云数据非常规整，没有噪声点，

  src,target是由同一个点云数据旋转得到的，因而两个点云之间严格一一对应

  配准效果非常好。

点云数据：kitti_odometry 序列01

• 01：
  点云采样数量：3072

  对同一个点云进行两次不同的采样,对其中一个进行 较大幅度的 随机旋转平移：

  angle: [0.2825798589863413 0.7841613528453935 0.2713792204696284]

  trans: [-0.25484568 -0.24589611 0.31652238]

  src与target之间的旋转效果明显，绕X轴有非常显著的旋转，地平面扬起。

  配准后的点云基本重合，还差一个绕z轴的非常小的旋转量。

• 02：
  点云采样数量：3072

  对同一个点云进行两次不同的采样,对其中一个进行 较小幅度的 随机旋转平移：

  角度：[0.04,0.04,0.04], 平移量：[0.01 0.05 0.05]

  src 和target 之间的相对位姿较小，基本没有旋转量,沿y轴有一个平移量

  配准后的结果src_pred、target_pred应当与src/target重合，但是反而误差更大了，

  预测的点云与对应的点云之间有一个绕z轴的大的旋转量。

• 03：
  点云采样数量：3072

  对两个里程计前后帧的点云进行采样，然后进行配准：

  注意里程计数据的帧与帧之间，地面是始终在同一平面的，即没有绕x轴的旋转量

  相差2帧时：位姿差别太小，配准后的点云位姿反而相差更大,出现了绕x轴的旋转量（地平面抬起）

  相差5帧：配准后的点云位姿反而相差更大,个别出现了绕x轴的旋转量，个别出现了绕z轴的旋转

  相差7帧：时间距离和空间太大，场景内容都不一样，导致配准后的点云位姿反而相差更大

• 04:
  点云数目：2048

  在实验01的基础上：

  针对问题5，将z轴坐标简单乘以一个倍数进行放大。

  实验发现较为合适的倍数=3

  可以将xy平面的旋转以及绕y轴的旋转配准至大概接近，但均有误差存在

  简单的进行放大是不够的，因为一些z轴坐标为负的点会被放大到非常下面

• 05: 与01进行对比

  点云采样数量：2048

  对同一个点云进行相同的采样,对其中一个进行 较大幅度的 随机旋转平移：

  angle: [0.2825798589863413 0.7841613528453935 0.2713792204696284]

  trans: [-0.25484568 -0.24589611 0.31652238]

  配准结果与modelNet上的结果相近，非常好

• 06: 与05进行对比

  点云采样数量：2048

  对同一个点云进行相同的采样,对其中一个进行 较大幅度的 随机旋转平移,

  对z轴坐标放大3倍

  angle: [0.2825798589863413 0.7841613528453935 0.2713792204696284]

  trans: [-0.25484568 -0.24589611 0.31652238]

  与05结果无较大差异，配准效果较好

• 07：
  点云采样数量：2048

  对同一个点云进行相同的采样,对其中一个进行 较大幅度的 随机旋转平移：

  angle: [0.7239022641818816 0.6697969212818884 0.5282925532745861]

  trans: [-0.35980887 0.20374635 -0.39225807]

  src与target之间的旋转效果明显，绕X轴有非常显著的旋转，地平面扬起。

  配准后的点云基本重合，还差一个绕z轴的非常小的旋转量。

  配准效果较好

• 08：
  点云采样数量：2048

  对同一个点云进行相同的采样,对其中一个进行 较小幅度的 随机旋转平移：

  角度：[0.04,0.04,0.04], 平移量：[0.01 0.05 0.05]

  src 和target 之间的相对位姿较小，基本没有旋转量,沿y轴有一个平移量

  配准后的结果src_pred、target_pred基本与src/target重合，平移量被配准了

  剩余绕z轴的小的旋转量没有配准

  配准效果较好

###实验分析：

a. 对比05，01和00，说明点云严格一一对应的关系是决定DCP配准性能的关键
此外，点云数目在大于2048时基本没有差别

b.对比05与06，05与00，说明点云的扁平分布对配准性能的影响不大，
即使是kitti里程计的数据，只要严格一一对应皆可以配准

c. 对比07,08 ， 说明相对位姿的大小并不会影响配准的效果。

问题总结：

1. DCP假设输入的两个待配准的点云是完全匹配的，而odometry数据中只有局部点云是匹配的。

2. DCP假设输入的两个点云中的每个点是完全对应的，若将同一点云的两次不同采样作为输入，其配准结果会出现误差。

3. 对于前后帧相差较小的两个点云输入，DCP不能捕获之间的细微位姿差异，配准后的结果位姿相差更大
   这主要是问题2导致的。由于问题2导致存在本身的配准误差，当两个点云之间的位姿差别小于配准误差时，配准结果一定不好

4. odomentry数据集，或者说自动驾驶点云数据，其scan与scan之间绕x或y轴的旋转量是非常小的，即地平面始终是平行的。
   但是这种数据在没有严格一一对应关系的前提下，对于DCP来说是较为相似的，配准结果很差。

5. kitti_odometry数据集在xy平面的尺度较大，在Z轴上的尺度相对较小，因而采样后的输入点云是类似于二维平面的形状，
   然而实验发现并不是这个因素导致配准结果变差的。

6. DCP 的使用场景应当是已知两个patch点云对应关系的情况下，求解该对应关系之间的变换关系。
   直接使用DCP作为里程计，暗含了对点云前后帧完全相同且点之间严格一一对应的假设，显然这是不成立的。