点云配准算法-ICP改进 技术刘博客：http://www.liuxiao.org/ 泡泡机器人 一些PCL库学习博客或网站-几种主要的点云配准算法和开源软件库

最新推荐文章于 2023-04-12 09:29:02 发布
最新推荐文章于 2023-04-12 09:29:02 发布
阅读量2.6k 收藏 58
点赞数
分类专栏： SLAM+SFM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_40840693/article/details/102815748
版权

课程：

http://mesh.brown.edu/taubin/teaching.html

qt and c++

http://mesh.brown.edu/DGP/assignments.html

http://mesh.brown.edu/byo3d

http://mesh.brown.edu/DGP/coremesh/split.html

图形学初学者，如何学习Polygon Mesh Processing这本书？

https://www.zhihu.com/question/34735394/answer/126940209

 

 

http://threepark.net/dgp

https://i.youku.com/i/UNDQ4MzQ4MzYyMA==/videos?spm=a2hzp.8253876.0.0

https://i.youku.com/i/UNDQ4MzQ4MzYyMA==/videos?spm=a2hzp.8253876.0.0

http://blog.sina.com.cn/s/blog_79b67dfe0102zifi.html

http://geometryhub.net/notes/registration

http://geometryhub.net/notes/icp

 

点云配准算法和开源软件库

https://blog.csdn.net/qq_36812406/article/details/82700268

ICP点云配准原理及优化

https://www.cnblogs.com/fujj/p/9678657.html

Semantic 3D Reconstruction

https://blog.csdn.net/renhaofan/article/details/90319974

点云配准各种方法总结[不定时更新]

https://blog.csdn.net/Ha_ku/article/details/79755623

几种主要的点云配准算法和开源软件库

https://www.jianshu.com/p/98bff9e0f0b9

PointNet

https://blog.csdn.net/ha_ku/article/category/7817561

点云模型的优化配准方法研究

作者：赵夫群著

点云数据配准及曲面细分技术

薛耀红[等]编著

 

 

https://www.e-learn.cn/content/qita/2332639

几种主要的点云配准算法和开源软件库

ICP算法及其主要变形

  • Standard ICP
    Besl, Paul J., and Neil D. McKay. "A method for registration of 3-D shapes." IEEE Transactions on pattern analysis and machine intelligence 14.2 (1992): 239-256.

  • KD-tree Approximation
    Greenspan, Michael, and Mike Yurick. "Approximate kd tree search for efficient ICP." 3-D Digital Imaging and Modeling, 2003. 3DIM 2003. Proceedings. Fourth International Conference on. IEEE, 2003.

  • Soft Outlier Rejection
    Rusinkiewicz, Szymon, and Marc Levoy. "Efficient variants of the ICP algorithm." 3-D Digital Imaging and Modeling, 2001. Proceedings. Third International Conference on. IEEE, 2001.

  • Generalized-icp（GICP）
    Segal, Aleksandr, Dirk Haehnel, and Sebastian Thrun. "Generalized-ICP." Robotics: science and systems. Vol. 2. No. 4. 2009.

  • Normal ICP（NICP）
    Serafin, Jacopo, and Giorgio Grisetti. "NICP: Dense normal based point cloud registration." Intelligent Robots and Systems (IROS), 2015 IEEE/RSJ International Conference on. IEEE, 2015.

  • Go-ICP
    Yang, Jiaolong, et al. "Go-ICP: a globally optimal solution to 3D ICP point-set registration." IEEE transactions on pattern analysis and machine intelligence 38.11 (2016): 2241-2254.

ICP的几个开源库

NDT算法

  • 2D-NDT
    Biber, Peter, and Wolfgang Straßer. "The normal distributions transform: A new approach to laser scan matching." Intelligent Robots and Systems, 2003.(IROS 2003). Proceedings. 2003 IEEE/RSJ International Conference on. Vol. 3. IEEE, 2003.

  • 3D-NDT
    Magnusson, Martin, Achim Lilienthal, and Tom Duckett. "Scan registration for autonomous mining vehicles using 3D‐NDT." Journal of Field Robotics 24.10 (2007): 803-827.

 

【泡泡点云时空-PCL源码解读】ICP点云精配准算法

https://mp.weixin.qq.com/s/eNofskmSmwl8jH6BvNKfBg

 

PCL-ICP例子：

https://github.com/hyx007/paopao_ws/blob/master/icp_example/src/icp.h

https://github.com/hyx007/paopao_ws/blob/master/icp_example/src/icp_example.cpp

 

一分钟详解PCL中点云配准技术

https://www.jianshu.com/p/18d4270aad2a

 

Fast ICP算法进行点集或曲面配准解析

https://blog.csdn.net/viewcode/article/details/8426846

 

 

Deep Closest Point: Learning Representations for Point Cloud Registration

http://www.liuxiao.org/2019/08/%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0%EF%BC%9Adeep-closest-point-learning-representations-for-point-cloud-registration/

 

 

使用 SVD 方法求解 ICP 问题

http://www.liuxiao.org/2019/08/%E4%BD%BF%E7%94%A8-svd-%E6%96%B9%E6%B3%95%E6%B1%82%E8%A7%A3-icp-%E9%97%AE%E9%A2%98/

 

Dynamic Graph CNN for Learning on Point Clouds

http://www.liuxiao.org/2019/07/%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0%EF%BC%9Adynamic-graph-cnn-for-learning-on-point-clouds/

 

Globally consistent registration of terrestrial laser scans via graph Optimization

https://blog.csdn.net/tjm059/article/details/82988772

 

52 点云配准领域论文

https://www.cnblogs.com/ghjnwk/p/10475358.html

 

 

【泡泡点云时空-PCL源码解读】PCL中的点云配准方法 

【泡泡点云时空】完美配准：具有平滑密度的3D点云配准

【泡泡点云时空-PCL源码解读】PCL中的点云配准方法 

【泡泡点云时空】使用概率混合模型进行广义鲁棒点云配准(ICRA-1) 

【泡泡点云时空】三维点云配准中多视角图像描述子的检测与匹配（ECCV2018-11）

4PCS点云粗配准算法介绍

【泡泡图灵智库】基于平移搜索匹配旋转不变特征的高效全局点云配准

【泡泡点云时空-PCL源码解读】PCL中的点云配准方法

【泡泡图灵智库】用于灾害响应的空地机器人三维配准：特征、描述符和变换估计的评估

【泡泡图灵智库】使用语义特征优化全景影像序列与移动激光点云的自动配准

【泡泡点云时空-PCL源码解读】ICP点云精配准算法

【泡泡一分钟】点密度适应性点云配准

【泡泡点云时空】通过平移搜索匹配旋转不变特征的高效全局点云配准方法（ECCV2018-2）

【泡泡一分钟】基于模糊对应的稳健形状配准（3dv-24）

【泡泡点云时空】使用L1最小化空间和角度偏差的航空多模态数据尺度不变线配准

【泡泡点云时空】完美配准：具有平滑密度的3D点云配准

【泡泡点云时空】集成深度语义分割的3D点云配准

【泡泡图灵智库】基于局部差分信息的3D曲线曲面配准算法（ECCV）

【泡泡一分钟】基于隐式二次曲面交点的视觉特征点云配准（3dv-19）

【泡泡一分钟】精确的农田无人机图像的长期鲁棒配准

【泡泡一分钟】PRISM: 集成语义建图的位姿配准方法

【泡泡一分钟】基于叶状结构的表面配准(ICCV2017-98)

【泡泡点云时空】跟踪与三角测量中一种通过兴趣点网络进行多视图2D/3D刚性配准的方法

【泡泡点云时空】使用概率混合模型进行广义鲁棒点云配准(ICRA-1)

【泡泡一分钟】基于视点描述子字典在局部到全局点云配准中的应用(ICCV2017-82)

【泡泡一分钟】精确三维正态分布变换配准的协方差的动态尺度因子

【泡泡一分钟】基于均值偏移聚类方法的3D点云配准算法（3dv-49）

【泡泡一分钟】通过平移搜索匹配旋转不变特征的高效全局点云配准

【泡泡点云时空】3DFeat-Net：用于点云配准的弱监督学习的局部3D特征（ECCV2018-3）

【泡泡图灵智库】批量增量式运动恢复结构

【泡泡机器人翻译专栏】LSD-SLAM : 基于直接法的大范围单目即时定位和地图构建方法

【泡泡点云时空】DeepMapping: 来自多重点云的无监督地图估计

【泡泡点云时空】ICP算法的高效变种

Maplab：研究视觉惯性建图和定位的开源框架

【泡泡一分钟】三维对应分组算法性能评估(3dv-37)

【泡泡一分钟】AA-ICP：Anderson加速迭代最近点算法

 

http://mesh.brown.edu/taubin/publications.html

https://github.com/ethz-asl/libpointmatcher/blob/master/doc/index.md

http://www.pmavridis.com/research/efficiency_sparse_icp/

http://www.pmavridis.com/

https://github.com/ethz-asl/libpointmatcher

https://lgg.epfl.ch/publications/2014/sparseicp/paper.pdf

https://github.com/OpenGP/sparseicp

https://storm-irit.github.io/OpenGR

https://github.com/nmellado/Super4PCS

https://geometry.cs.ucl.ac.uk/projects/2014/super4PCS/

https://geometry.cs.ucl.ac.uk/projects/2014/super4PCS/super4pcs.pdf

 ICP其他资料：

https://github.com/agnivsen/icp

https://github.com/ClayFlannigan/icp

https://github.com/YuePanEdward/GH-ICP

https://github.com/zjudmd1015/icp

 

求大神推荐一下关于ICP算法（最近点迭代算法）的相关书籍？ - 知乎

https://www.zhihu.com/question/36525809

[LIDAR-SLAM] Iterative Closest Point (ICP)简单实现 - 知乎

https://zhuanlan.zhihu.com/p/63964953

迭代最近点（Iterative Closest Point, ICP）算法介绍 - 知乎

https://zhuanlan.zhihu.com/p/35893884

该如何学习三维点云配准的相关知识？ - 知乎

https://www.zhihu.com/question/34170804/answer/121533317

一分钟详解PCL中点云配准技术 - 知乎

https://zhuanlan.zhihu.com/p/75485156

3Ｄ点云配准（二多幅点云配准） - 知乎

https://zhuanlan.zhihu.com/p/74966732

PCL入门-配准好用之NDT - 知乎

https://zhuanlan.zhihu.com/p/35095420

DCP: Deep Closest Point（点云匹配 ICCV 2019） - 知乎

https://zhuanlan.zhihu.com/p/89853866

花花 - 知乎

https://www.zhihu.com/people/hua-hua-29-2-59/activities

这可能是史上最全的 Python 算法集（建议收藏） - 知乎

https://zhuanlan.zhihu.com/p/60356696

 

知识在于分享
关注
  • 0
    点赞
  • 踩
  • 58
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PCL源码分析：Ear Clipping三角化算法（阅读经典）
dayuhaitang1的博客
04-11 697
PCL源码分析：Ear Clipping三角化算法（阅读经典）
计算机图形学 读书笔记（四） 网格 mesh
风日好的博客
04-10 4525
写个读书笔记，一来作为字典以后可以查，二来记录自己的理解。并没有对每个知识点的详细解释，大部分只有主观的定性的解释。网格部分的知识有以下几点：– Mesh tessellation 网格划分？– Mesh simplification 网格简化– Subdivision 网格细化–Mesh parameterization: Seam computation  网格参数化网格的意义：一个3D模型的...
Photometric Stereo 光度立体三维重建（三）——由法向量恢复深度（二）DGP方法
SZU_Kwong的博客
02-19 5199
在这篇文章中，笔者将介绍一篇论文，论文提出了一种由法向量恢复深度的方法：论文为Surface-from-gradients: An approach based on discrete geometry processing 1.论文的动机与概况 SfS(surface from shading)和PS(photometric stereo)可以计算稠密带噪的法向量图（梯度场），通过积分可计算出深度图。数学上，由三维表面生成的梯度场是可积的，但实际上，由于噪声导致不可积。以前的处理方法中，有强制可积性约束（
PCL kdtree的源码分析
南柯一梦的博客
11-27 1197
PCL库的kdtree源码分析，建立搜索树与进行近邻点的查找
ICP with Globally optimal matching on Hybrid metric space(GHICP)
weixin_40998173的博客
07-04 220
ICP with Globally optimal matching on Hybrid metric space(GHICP) 属于一种全局特征点匹配。通过构建能量函数，寻找全局最优的特征点匹配。 通过计算曲率寻找关键点。 能量函数包括特征相似性和几何相似性。 构建二进制形状上下文（BSC）作为特征描述，汉明距离度量特征的相似性，特征点之间的欧氏距离度量几何相似性。 构建二分图，通过K-M算法找到全局最优的匹配点 迭代计算最优变换参数，在迭代过程中不断自适应调整权重 算法流程
PCL源码剖析 -- 欧式聚类
Darchan的博客
04-12 1823
PCL源码剖析 -- 欧式聚类
PCL-ICP(IterativeClosestPoint)源码解析
zack_liu的博客
06-17 2707
文章目录1.PCL-ICP代码框架2. pcl::IterativeClosestPoint类格3. pcl::Registration::align()详解3.1 pcl::Registration::initCompute()详解3.2 pcl::IterativeClosestPoint::computeTransformation()详解 1.PCL-ICP代码框架 话不多说，直接上代码 #include <pcl/registration/icp.h> #incl
【点云处理之论文狂读经典版14】—— Dynamic Graph CNN for Learning on Point Clouds
yuanmiyu6522的博客
06-16 2244
记X={x1,…,xn}⊆RF\mathbf{X}=\left\{\mathbf{x}_{1}, \ldots, \mathbf{x}_{n}\right\} \subseteq \mathbb{R}^{F}X={x1​,…,xn​}⊆RF为输入点云，其中nnn是点的数量，FFF是点的维度，在最简单的情况下，F=3F=3F=3，每个点都包括了3D坐标xi=(xi,yi,zi)\mathbf{x}_{i}=\left(x_{i}, y_{i}, z_{i}\right)xi​=(xi​,yi​,zi​)，在其
【3D计算机视觉】Dynamic Graph CNN——点云动态图卷积神经网络
小执着的博客
03-21 1万+
Dynamic Graph CNN for Learning on Point Clouds1.简介1.1 解决的问题1.2 贡献1.3 EdgeConv的优缺点：2.网络结构2.1 EdgeConv层介绍2.2 函数的选择2.3 示意图3.实验结果： 1.简介 该文章是最新出的一篇针对Point Clouds数据分类、分割的网路，它是受点云数据处理的鼻祖论文PointNet、PointNet++...
matlab中绿色的代码什么意思-MeshDGP:MeshDGP是用于处理计算机图形学中的网格数据的框架
05-21
matlab中绿色的代码的英文MeshDGP-一个简单的C＃几何处理框架 开始使用： git clone --recursive https://github.com/meshdgp/MeshDGP.git MeshDGP是一个简单的C＃几何处理库。 此网格处理框架（MeshDGP）由Hui Zhao团队开发。 保留所有权利！ MeshDGP演示了数十种梯形网格处理算法。 它可以用作学生，研究人员和工程师的学习或研究框架 MeshDGP也可用于学习3ds Max，Maya中的基本算法 演示版 特征 此网格处理框架（MeshDGP）由Hui Zhao团队开发。 保留所有权利！ MeshDGP是由C Sharp开发的，包括数十种Keystone Siggraph网格处理算法。 HalfEdge，细分，简化，网格切割，分割，拉普拉斯变形，FFD，绿色变形，平均值变形，网格平滑，骨骼，蒙皮，摩尔斯函数，光谱分析，矢量场设计，四边形，特征线，GPU渲染，OpenGL UI 所有线性参数化：谐波，线性ABF，LSCM，DCP / DAP，ARAP，频谱，基于高斯曲率 离散外部演算：琐碎的连接，地理
计算机图形学之网格简化
10-22
网格简化是计算机图形学的基础。因为计算机存储量、计算速度、和传输速度能力有限，所以需要将含有大量顶点的三角网格进行简化。而且由于视点的不同，我们只需要在近处看到详细的网格。
三维点云配准
热门推荐
年少的博客
04-20 2万+
1、首先，点云配准过程，就是求一个两个点云之间的旋转平移矩阵（rigid transform or euclidean transform 刚性变换或欧式变换），将源点云(source cloud)变换到目标点云(target cloud)相同的坐标系下。 可以表示为以下的方程: 其中就是target cloud与source cloud中的一对对应点。 而我们要求的就是其中的R与T旋转
[3D目标检测和分割系列]Dynamic Graph CNN for Learning on Point Clouds
fanfan121314的博客
09-20 702
文章标题：Dynamic Graph CNN for Learning on Point Clouds 要解决的关键问题：利用图模型，或者图模型的思想来学习点云的特征表示 关键词：边卷积 点云分类 点云分割 Related Work 手动设计的特征 有很多的任务针对几何数据的处理和分析，包括分割，分类和匹配，他们都需要一些形状之间的局部相似性。一般来说，这个相似度是通过建立在能够获得局部集合结构的特征描述子。计算机视觉以及图形学的很多的文章，都针对点云提出了局部特征描述子，这些描述子能够是适应于不同的问题
关于AWAY3D的MESH、GEOMETRY的区别
老胡的ACTIONSCRIPT3
06-13 4938
Meshes and Geometry objects are closely related. Geometries provide the – you guessed it – geometry of a 3D object: the vertices, triangle indices, UV coordinates, vertex normals, and what have you. M
Go-ICP: A Globally Optimal Solutionto 3D ICP Point-Set Registration（2016）
weixin_40998173的博客
07-08 2874
Go-ICP:三维ICP点集配准的全局最优解（截至目前谷歌学术引用419） 1. Problem Formulation 配准问题是非凸的。范数最小二乘容易受离群点（outlier）的影响 2. The Branch and Bound Algorithm 使用angle-axis表达，旋转可以表示为一个3D向量,轴为,角度为,对应的旋转矩阵为： Rodrigues’ rotation formula（罗德里格旋转公式） 用angle-axis表示，整个三维旋转空间可以在中紧凑地..
安装libnabo库及libpointmatcher库
zzr1024的博客
06-24 1263
libnabo 是在低维空间进行快速最近邻搜索库。 它提供了一个干净的，传统的无标量类型无关的C ++模板API libnabo库安装 首先进入到安装的文件夹内，我是安装在install文件夹内，文件夹可自己创建。 然后依次执行如下命令： git clone https://github.com.cnpmjs.org/ethz-asl/libnabo.git cd libnabo SRC_DIR=`pwd` //记录当前路径 BUILD_DIR=${SRC_DIR}/build //声明编.
计算机模拟考试.doc
07-18
计算机
《单片机原理与接口技术》--试卷A及参考答案.doc
07-18
单片机
艾意凯2023国际制药企业的中国市场机遇分析报告英文版.pdf
最新发布
07-18
医疗行业研究报告

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值