精配準方案
結合法icp（iterative closest point）
模型對應法
我們都知道點雲配準分為粗配準（coarse registration）和精配準（fine registration）兩個階段，本文同樣也分為粗配準和精配準兩個部分來說明。
4點法由d aiger，nj mitra，d cohen-or[1
][1]
占個位，這部分內容可見我的閱讀筆記4-points congruent sets for robust pairwise su***ce registration——4pcs閱讀筆記
super 4pcs是由nicolas mellado，dror aiger，niloy j. mitra[2
][2]
裡，從而排除一些無效的匹配對來加速配準。
那麼如何快速的找到角度在一定範圍內的匹配對呢，super4pcs採用的是類似與在球面上畫圓的方法，如下圖：
球面上在圓cc
。這樣就可以快速找到交叉角度在一定範圍內的兩條直線。那麼如何快速找到圓面上的這些點，super4pcs則是通過光柵化，智慧型索引來完成，如下圖：
在提取了上表面後，使用一系列高度間隔為ht
ht的平行面去分割點雲，分割示意圖如下圖所示，其中綠色部分為其中一平行面：
對與分割麵內的點，首先對其高度統一化，然後把他們看作2d影象，進行2d的特徵提取和分割，如下圖。其中紅色點為線段頂點，綠色點為兩條線的交點。
在提取了每個橫截面中的特徵點後，我們需要對它們進行區分和連線，根據他們自身的位置，以及潛在位置賦予不通的標籤。最終建立ta
rget
target
中語義點的意義對應關係。連線後的語義點如下圖，其中藍色線條連線特徵點，紅色點代表線段的頂點，綠色點代表線段的相交點，紫色三角形則是我們所定義的語義點，是連線線段與參考面的交點，儲存著整條線段的語義資訊（特徵點的個數，每個特徵點的標籤）。
在搜尋到所有的sk-point後，將這些sk-points做為輸入進行配對對的搜尋，不僅要滿足原始的配準要求，同時其語義也要相同才能標記為匹配。s=
s=的最短距離。
則此方法不僅需要滿足類似4點法的比例關係： r1
=||q
−m||
||q−
p||r1=||q−m||||q−p||
滿足以上三個條件才可認為是匹配對。
由於在4pcs中，強制選取共面的4點，所以由於點雲對稱導致的配準錯的問題並不明顯，但是在3d中，這種對稱則會導致較為嚴重的錯。如下圖，假如乙個基礎對γ=我們可以找到很多滿足上式的匹配對，例如：γ1
=γ1=
從而進行區分。
。 1. 更新法則
do採用如下的更新法則： xk
+1=x
k−dk
+1h(
xk)(2)
(2)xk+1=xk−dk+1h(xk)
由訓練資料得來。
2. 訓練方法
給定乙個訓練集(x
(i)0
,x(i
)∗,h
(i))
ni=1
(x0(i),x∗(i),h(i))i=1n
3. 配準應用設m
∈r3×
nmm∈r3×nm對y
點雲配準相關
導師給了方向，所以最近在看點雲配準相關 點雲配準是計算機視覺的乙個分支方向 點雲是在同一空間參考係下表達目標空間分布和目標表面特性的海量點集合，在獲取物體表面每個取樣點的空間座標後，得到的是點的集合，稱之為 點雲 point cloud 那什麼是三維影象呢？三維圖像是一種特殊的影象資訊表達形式。相比...
點雲的粗配準和精配準
1.前言 點雲配準是點雲處理的重要技術之一，可以用來估計物體位姿，拼接多個視角下的點雲.分別用基於取樣一致性的粗配準，以及粗配準與icp精配準結合的方法進行配準實驗。粗配準流程圖如下，主要為精配準提供乙個比較好的初始位置。精配準採用icp配準，pcl庫實現思路 2.思考 以上可以看出無論是粗配準還是...
點雲（剛性）配準 icp
二 解讀 提到配準演算法，icp認第二，沒哪種演算法敢認第一，可見，icp這道坎是繞不過去的，在本文中，會重點介紹icp的原理與實現方案，同時，也會結合pcl中的 進行詳細介紹。從本質上講，icp類演算法的基本原理是 對於兩組點雲p和q，計算旋轉矩陣r與旋轉矩陣t，使目標函式e最小 e 1 2 fr...