[论文阅读][Point-Plane ICP]Object Modeling by Registration of Multiple Range Images

Object Modeling by Registration of Multiple Range Images

Abstract

这篇文章主要研究的是如何估计不同视角的点云之间的transfromation。

Introduction

本文方法的优势：无需point to point correspondence, 因为本文minimize the distance from points to planes

RangeImageRegistration

本文提出的方法，要求已有一个transformation的大概估计，这个要求是基于两点原因：

1. 作者将配准分为两阶段，粗配准与精配准，本文是为精配准而设计的
2. 作者对于该法可以收敛到一个global minimum并没有信心，因此建议要给一个好的初值

Evaluation Function

定义：

source： $P$

target ： $Q$

(source 和target在文中既可以是点集，也可以是曲面)

control points： 即corresponding points

（感觉这个作者的（6）(7) 式已经很接近point2point icp了，但是他认为，尽管我们可以依据某些标准找到一些control points，但是这些control points 并不是真正的corresponding points, 如果使用点-点距离作为目标函数，不同点对之间所提供的约束会相互“打架”，所以收敛会很慢。而使用点-面距离的话，对于$p_i$在迭代过程中的运动，只在点-面距离减少的方向上有约束，在其他两个自由度上还可以自由运动，可以对其他点提供的约束作出“让步”，因而收敛会比较快 ）

本文提出的目标函数是点-面距离，点,是source中的一个点$p_i$，面,是target中的“对应点”$q_j$处的切平面。“对应点”$q_j$是如何选取的呢？取的是 s u r f a c