點雲匹配
影象配準目的在於比較或融合。針對同一物件在不同條件下獲取的影象，因為雷射掃瞄光束受物體遮擋的原因，不可能通過一次掃瞄完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃瞄。三維匹配的目的就是把相鄰掃瞄的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代演算法 icp和各種全域性匹配演算法。
icp（iterative closest point迭代最近點）演算法是一種點集對點集配準方法。如下圖所示，pr（紅色點雲）和rb（藍色點雲）是兩個點集，該演算法就是計算怎麼把pb平移旋轉，使pb和pr盡量重疊。
icp演算法基本思想：
三維點雲匹配問題的目的是找到p和q變化的矩陣r和t，對於 ，，利用最小二乘法求解最優解使：
最小時的r和t。
先對平移向量t進行初始的估算，具體方法是分別得到點集p和q的中心：
在計算轉換之前，從兩個點集中的每個點減去相應的質心。
則上述最優化目標函式可以轉化為：
最優化問題分解為：
目標函式e(r,t)的優化是icp演算法的最後乙個階段。在求得目標函式後，採用什麼樣的方法來使其收斂到最小，也是乙個比較重要的問題。求解方法有基於奇異值分解的方法、四元數方法等。
icp演算法優點：
可以獲得非常精確的配準效果
不必對處理的點集進行分割和特徵提取
在較好的初值情況下，可以得到很好的演算法收斂性
icp演算法的不足之處：
在搜尋對應點的過程中，計算量非常大，這是傳統icp演算法的瓶頸
標準icp演算法中尋找對應點時，認為歐氏距離最近的點就是對應點。這種假設有不合理之處，會產生一定數量的錯誤對應點
icp點雲匹配迭代最近鄰演算法
一 含義 1.icp演算法能夠使兩個不同座標系下的點集匹配到乙個座標系中，這個過程就是配準，配準的操作就是找到從座標系1變換到座標系2的剛性變換。2.icp的本質就是配準，但有不同的配準方案，icp演算法本質是基於最小二乘的最優配準方法。該方法重複進行選擇對應關係對，計算最優剛體變換，直到滿足正確配...
基於ICP演算法點雲部分與整體的配準
pcl點雲庫提供了完整的icp演算法，能完成點雲的配準，但是能找到的例子都是書上的demo 乙個完整點雲，使用旋轉矩陣旋轉了乙個角度，然後利用icp迭代了幾次可以實現完美的配準，這是因為本來就是乙個點雲，選點集座標都一樣，這樣的例子沒有代表性，也解決不了實際的例子 我遇到的問題是這樣的 乙個物體由掃...
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...