PCL: Registration模块之IterativeClosestPoint点云配准

参考文献：

        关于此类的详细信息和学术上的理论推导大家可以查看PaulJ. Besl的文章“A Method forRegistration of 3-D Shapes”。

小结：

        ICP匹配，中文应该叫临近点迭代吧，是计算机图形学中的一个非常有用的算法，尤其是在三维重建点云配准中有着极其重要的地位，此外在SLAM等移动机器人导航等领域也有着很大的用武之地。

        经过了十多年的发展ICP也有着很多的变种，今天我们首先熟悉下最基本的ICP匹配算法，PCL中的实现与参考文献中的一致，最终的变换矩阵都是基于SVD（奇异值分解）的。

        在具体的实践中，一共有3个约束来终止迭代：

• 迭代次数，默认值为10；
  
• 上次转换与当前转换的差值；
  
• 前后两次迭代方差的差值。
  

        当然我们还可以使用kdtree加速算法。

        还有一点需要重点提示下，输入的点云需要经过预处理，过于复杂和过多噪声的点与将会出现“Invalid (NaN, Inf) point coordinates given to nearestKSearch!”的错误，比如我使用了官网教程中“楼梯的点云“。

        不同版本的PCL函数命名可能不同，函数个数可能也不一样。

详细介绍：

参数输入输出：

        此类由基类Registration派生，生成对象方式也很简单，如下：

Pcl:: IterativeClosestPoint<SourcePointTargetPoint> icp

成员函数：

        这里我就不一一介绍所有的成员函数了，只是把几个非常重要的成员函数给列出来，并给出其的使用方法：

1. inline void inline void setSearchMethodTarget(const KdTreePtr &tree) kdtree加速搜索，还有一个Target的函数，用法与之一致。
   
2. inline void setInputSource (constPointCloudSourceConstPtr &cloud) 需要匹配的点云。
   
3. inline void setInputTarget (constPointCloudTargetConstPtr &cloud) 基准点云，也就是从Source到Target的匹配。
   
4. inline void setMaxCorrespondenceDistance (doubledistance_threshold) 忽略在此距离之外的点，如果两个点云距离较大，这个值要设的大一些（PCL默认距离单位是m）。
   
5. inline void setTransformationEpsilon (doubleepsilon) 第2个约束，这个值一般设为1e-6或者更小。
   
6. inline void setEuclideanFitnessEpsilon (doubleepsilon) 第3个约束，前后两次迭代误差的差值。
   
7. inline void setMaximumIterations (intnr_iterations) 第1个约束，迭代次数，几十上百都可能出现。
   
8. inline void align (PointCloudSource &output)输出配准后点云。
   
9. inline Matrix4 getFinalTransformation () 获取最终的转换矩阵。
   

效果展示：

        最近终于把PCL1.7.1搞定了，大家可以参考我的另一篇博客来安装，IDE为vs2010。我使用的是经典的斯坦福小兔子，源码和源点云文件我已上传到CSDN（ 点此下载）。所需要的核心代码如下（我只是列出了部分需要设定参数的代码）：

[cpp]  view plain  copy

 print ?

1. icp.setInputSource(cloud_source);  
2. icp.setInputTarget(cloud_target);  
3. icp.setMaxCorrespondenceDistance(0.1);  
4. icp.setTransformationEpsilon(1e-6);  
5. icp.setEuclideanFitnessEpsilon(1);  
6. icp.setMaximumIterations(50);  
7. icp.align(*cloud_source_registration);  
8. Eigen::Matrix4f transformation = icp.getFinalTransformation();  

        由上述代码片可知：一共有4个数据需要设定，这里我们修改不同的数据看下效果图（绿色为Target，蓝色为Source，红色为匹配后点云）:

        4个参数分别为：1.5，1e-10，0.1，100, 匹配的相当不好。

        4个参数分别为：1.5，1e-10，0.01，100，完美重合。

        下面试一下我自己扫的小盒子。（单位mm，注意参数变化）。

        4个参数分别为：1500，1e-10，1，300, 匹配的相当不好。

        4个参数分别为：1500，1e-10，0.1，300, 完美重合。

        强烈建议大家使用CMake进行项目管理和使用最新版的PCL1.7.1。

         对了我的邮箱为 littletinygo@sina.com ，我也是刚刚接触这个领域，希望与大家多多交流共同学习、共同进步。