PCL 基于法线信息寻找对应点对（Registration_CorrespondenceEstimationNormalShooting）

PCL专栏目录及须知

本匹配适用于具有曲率或复杂几何形状的两点云之间的对应点计算。

1.原理

用于计算目标点云中与输入点云的法向量具有最小距离的对应点。

在估算点对应关系时，主要使用点云中的法向量信息，特别是法向量方向，来估算点云之间的对应关系。它在点对应时通过法向量信息，提高配准的精度，尤其在具有曲率或复杂几何形状的点云上效果显著。

2.关键函数

（1）类名

pcl::registration::CorrespondenceEstimationNormalShooting<pcl::PointXYZ, pcl::PointXYZ, pcl::Normal> registration;

（2）设置源点云法线

registration.setSourceNormals(normals);									// 设置源点云法线

（3）设置邻域搜索范围

registration.setKSearch(50);											// 设置邻域搜索的点个数

（4）计算最终结果，并设置对应点对之间的最短距离

registration.determineCorrespondences(correspondences, 5);				// 对应点结果和匹配点之间的最短距离

3.代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d_omp.h>
#include <pcl/registration/correspondence_estimation_normal_shooting.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>

int main()
{
	/****************基于法线信息寻找对应点对********************/
	pcl::PointCloud<pcl::PointXYZ>::Ptr source(new pcl::PointCloud<pcl::PointXYZ>);			// 源点云
	pcl::PointCloud<pcl::PointXYZ>::Ptr target(new pcl::PointCloud<pcl::PointXYZ>);			// 目标点云
	pcl::io::loadPCDFile("D:/code/csdn/data/person2.pcd", *source);
	pcl::io::loadPCDFile("D:/code/csdn/data/person3.pcd", *target);

	// 基于法线信息寻找对应点对
	// 对源点云进行法线估计
	pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::Normal> ne;
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	ne.setNumberOfThreads(8);
	ne.setInputCloud(source);
	ne.setSearchMethod(tree);
	ne.setKSearch(50);
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
	ne.compute(*normals);

	// 获取匹配点对
	pcl::registration::CorrespondenceEstimationNormalShooting<pcl::PointXYZ, pcl::PointXYZ, pcl::Normal> registration;
	registration.setInputSource(source);
	registration.setSourceNormals(normals);									// 设置源点云法线
	registration.setInputTarget(target);									// 设置目标点云
	registration.setKSearch(50);											// 设置邻域搜索的点个数
	pcl::Correspondences correspondences;
	registration.determineCorrespondences(correspondences, 5);				// 对应点结果和匹配点之间的最短距离

	/****************展示********************/
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("CorrespondenceEstimationNormalShooting"));
	viewer->addPointCloud<pcl::PointXYZ>(source, pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(source, 0, 255, 0), "source");
	viewer->addPointCloud<pcl::PointXYZ>(target, pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(target, 255, 0, 0), "target");
	viewer->addCorrespondences<pcl::PointXYZ>(source, target, correspondences, "correspondence");
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}

	return 0;
}

4.结果展示