基于pcl点云库的整体与部分配准

置顶菜是菜人是真帅

已于 2022-04-27 10:57:15 修改

阅读量802

点赞数

CC 4.0 BY-SA版权

分类专栏： 3D视觉 c++ 文章标签：自动驾驶算法线性代数

于 2019-04-09 18:00:02 首次发布

本文链接：https://blog.youkuaiyun.com/uranus1992/article/details/89153368

3D视觉同时被 2 个专栏收录

16 篇文章 ¥99.90 ¥299.90

订阅专栏

c++

7 篇文章

订阅专栏

本文介绍了利用PCL库中的ICP算法，结合旋转矩阵进行点云配准的方法。针对实际应用中点云配准的挑战，通过该技术实现了约90%的点云重合度，对于自动驾驶等领域的点云处理具有一定的参考价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点云的配准主要用到的PCL库基本都是ICP算法，高阶的用到了粗配准SAC精配准ICP，但此类算法做demo可以，应用到实际时有很多问题，资料基本上是两个相同的点云，进行的配准，此类说实话没什么难度，具体的二次开发很少，这里我使用旋转矩阵+icp算法实现了一块点云整体与局部的配准，经过测试，能做到90%的重合。

#pragma warning(disable:4996)
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/registration/icp.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <pcl/common/common_headers.h>
#include <pcl/console/parse.h>
#include <pcl/common/time.h>
#include <iostream>
#include <pcl/filters/filter.h>
#include <Eigen/core>
void print4x4Matrix(const Eigen::Matrix4d & matrix)
{
	printf("Rotation matrix :\n");
	printf("    | %6.3f %6.3f %6.3f | \n", matrix(0, 0), matrix(0, 1), matrix(0, 2));
	printf("R =

了解本专栏