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。相比較於常見的二維影象，其最大的特徵是表達了空間中三個維度（長度寬度和深度）的資料。
深度圖（以灰度表達物體與相機的距離），幾何模型（由cad軟體建立），點雲模型（所有逆向工程裝置都將物體取樣成點雲）。
根據雷射測量原理得到的點雲，包括三維座標（xyz）和雷射反射強度（intensity）。強度資訊與目標的表面材質、粗糙度、入射角方向，以及儀器的發射能量，雷射波長有關。
根據攝影測量原理得到的點雲，包括三維座標（xyz）和顏色資訊（rgb）。
當然也有把雷射和攝影相結合在一起的（多感測器融合技術），這種結合雷射測量和攝影測量原理得到點雲，包括三維座標（xyz）、雷射反射強度（intensity）和顏色資訊（rgb）。
rgbd裝置（深度攝像機）是可以獲取點雲的裝置。比如primesense公司的primesensor、微軟的kinect、華碩的xtionpro。
空間解析度、點位精度、表面法向量等。
.pts; .asc ; *.dat; .stl ; [1] .imw；.xyz；.las。
（1）pcl::pointcloudpcl::pointxyz
pointxyz 成員：float x，y，z;表示了xyz3d資訊，可以通過points[i].data[0]或points[i].x訪問點x的座標值
（2）pcl::pointcloudpcl::pointxyzi
pointxyzi成員：float x, y, z, intensity; 表示xyz資訊加上強度資訊的型別。
（3）pcl::pointcloudpcl::pointxyzrgb
pointxyzrgb 成員：float x,y,z,rgb; 表示xyz資訊加上rgb資訊，rgb儲存為乙個float。
（4）pcl::pointcloudpcl::pointxyzrgba
pointxyzrgba 成員：float x , y, z; uint32_t rgba; 表示xyz資訊加上rgba資訊，rgba用32bit的int型儲存的。
（5） pointxy 成員：float x,y;簡單的二維x-y點結構
（6）normal結構體：
表示給定點所在樣本曲面上的法線方向，以及對應曲率的測量值，用第四個元素來佔位，相容sse和高效計算
一般將影象處理分為三個層次，低層次包括影象強化，濾波，關鍵點/邊緣檢測等基本操作。中層次包括連通域標記（label），影象分割等操作。高層次包括物體識別，場景分析等操作。工程中的任務往往需要用到多個層次的影象處理手段。
①濾波方法：雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機取樣一致性濾波。②關鍵點：iss3d、harris3d、narf，sift3d
①特徵描述：法線和曲率的計算、特徵值分析、shot、pfh、fpfh、3d shape context、spin image
②分割與分類：
分割：區域生長、ransac線面提取、全域性優化平面提取
k-means、normalize cut（context based）
3d hough transform(線、面提取)、連通分析
分類：基於點的分類，基於分割的分類，基於深度學習的分類（pointnet，octnet）
點雲配準分為粗配準（coarse registration）和精配準（fine registration）兩個階段：
精配準的目的是在粗配準的基礎上讓點雲之間的空間位置差別最小化。應用最為廣泛的精配準演算法應該是icp以及icp的各種變種（穩健icp、point to plane icp、point to line icp、mbicp、gicp、nicp）。
粗配準是指在點雲相對位姿完全未知的情況下對點雲進行配準，可以為精配準提供良好的初始值。當前較為普遍的點雲自動粗配準演算法包括基於窮舉搜尋的配準演算法和基於特徵匹配的配準演算法。
基於窮舉搜尋的配準演算法：
遍歷整個變換空間以選取使誤差函式最小化的變換關係或者列舉出使最多點對滿足的變換關係。如ransac配準演算法、四點一致集配準演算法（4-point congruent set, 4pcs）、super4pcs演算法等……
基於特徵匹配的配準演算法：
通過被測物體本身所具備的形態特性構建點雲間的匹配對應，然後採用相關演算法對變換關係進行估計。如基於點fpfh特徵的sac-ia、fgr等演算法、基於點shot特徵的ao演算法以及基於線特徵的icl等…
ceres（google的最小二乘優化庫，很強大）， g2o、lum、elch、toro、spa
slam方法：icp、mbicp、idc、likehood field、ndt
泊松重建、 delaunay triangulations、表面重建，人體重建，建築物重建，樹木重建。結構化重建：不是簡單的構建乙個mesh網格，而是為場景進行分割，為場景結構賦予語義資訊。場景結構有層次之分，在幾何層次就是點線面。實時重建：重建植被或者農作物的 4d（3d+時間）生長態勢；人體姿勢識別；表情識別；
點雲壓縮，點雲索引（kd、octree），點雲lod（金字塔），海量點雲的渲染。
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...
點雲配準 一 兩兩配準
由於一直對雙目視覺較為感興趣,無論是傳統的雙目立體視覺,還是面陣的結構光3d相機,亦或是日漸流行的vslam中流行的rgb d相機,都會涉及到點雲資料.由於點雲的不完整,旋轉到完整點雲就需要對區域性點雲進行配準.那麼這便帶來了如下幾個問題 1 什麼是點雲的配準呢?為了得到被測物體的完整資料模型,需要...