在**中經常看到點雲註冊，他和我們經常說的點雲拼接，點雲配準其實是乙個意思，都是把不同位置的點雲通過重疊部分的資訊，變換到同乙個位置。下面我們就用註冊這個名詞來描述這個過程。
點雲註冊一般分為三類：粗註冊，精細註冊，全域性註冊。
粗註冊：
一般用於註冊兩個位置相差很大的點雲，比如兩幀位於相機座標系的點雲。粗註冊方法大致分為兩類：有標記點粗註冊和無標記點粗註冊。標記點可以是使用者手動標記的，也可以是物體掃瞄時貼的標記點。無標記點註冊更加方便一些，但是對於一些比較對稱或者重合部分很少的情況，可能會有一些失誤的。另外還有一些根據裝置的引數來計算粗註冊變換的方法。
精細註冊：
這裡一般指icp註冊方法。主要用於已經粗註冊好的點雲，需要提公升註冊精度的情況。icp可以加入標記點資訊。因為眾所周知，一些滑動情況會導致icp註冊失敗，但是如果資料本身有標記點的話，可以加入標記點資訊來提公升註冊的成功率。
全域性註冊：
逐幀註冊的點雲資料，往往有累積誤差。全域性註冊可以把累積誤差分散到每一幀中去，從而減少整體的註冊誤差。另外，有些時候所有點雲已經有了粗註冊了，可以應用全域性註冊一次性把所有點雲註冊好。如下圖所示。全域性註冊屬於點雲的精細註冊，點雲需要初始對齊好。它和icp註冊的區別在於，它是多個點雲同時註冊，點雲個數一般大於2。
參考文獻：
** 1.icp及其變種icp**
點雲註冊一般分為兩步，先是粗註冊，即將兩個點雲大致匹配在一起，在使用icp精細匹配，提公升註冊精度。
icp演算法總覽
下面先總的介紹一下icp演算法，之後再詳細介紹裡面的一些重要步驟。
演算法輸入是兩片有部分重疊的點雲a和b，並且已經初始註冊好了，輸出是icp註冊的剛體變換t：
對b進行點取樣，得到取樣點集s
在a中尋找取樣點集s的最近對應點，得到點對集合c
對c中的點雲進行加權處理，並刪掉一些不好的點對
應用目標能量來優化點對距離，得到剛體變換ti。ti對取樣點集進行剛體變換
迭代步驟2-4，直到目標能量優化停止。t=tn * … t1 * t0
具體細節見參考文獻。
參考文獻：
2.dnt
將空間劃分成各個格仔cell。
將參考點雲和目標點雲（變換之後）投票到各個格仔。
計算格仔的正態分佈概率密度函式引數、響應的概率分布函式、目標函式。
未完待續
** 3.特徵點**
根據曲率大小區分：角點、平面點等特徵
描述子：曲率
曲率參考：
多幀點雲資料拼接合併 點雲拼接註冊
點雲拼接，配準，註冊有什麼聯絡 點雲拼接，配準，註冊說的是同乙個概念，就是把不同位置的點雲通過重疊部分的資訊，變換到同乙個位置。下面我們就用註冊這個名詞來描述這個過程。註冊一般分為三類 粗註冊，精細註冊和全域性註冊。粗註冊 一般用於註冊兩個位置相差很大的點雲，比如兩幀位於相機座標系的點雲。粗註冊方法...
點雲資料批量，連續3幀或5幀疊加 拼接
環境 ubuntu 如果是windows系統，讀取檔案的 可參考 linux下的findfirst 在linux作業系統下，編譯器用findfirst 而不是 findfirst linux作業系統下的查詢檔案的操作，需要包含dirent.h標頭檔案.include include include ...
點雲匹配介紹與ICP演算法
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...