点云配准注意的地方

1,法向量是局部坐标系的概念,因此要将点云中心移到原点,再计算法向量。类似于先平移再旋转,而不是先旋转再平移。

2,用kdtree时,用近邻点个数,而不是距离,因为点云各个不同。

3,变换矩阵的对角线是目标与源点云的相似度 ,位移为0。x+detaX/x; y+deltaY/y,z+deltaZ/z


如下图所示,可见相似度在98.6%以上。



  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
点云配准是将多个点云数据集对齐的过程,使它们在同一坐标系下具有一致的位置和方向。传统的点云配准方法通常依赖于RANSAC算法进行局部的特征匹配,并使用迭代优化方法来估计刚体变换参数。然而,这些方法在处理大规模点云数据时效率较低。 近年来,基于Transformer的点云配准方法逐渐受到关注。这些方法通过引入全局结构信息来提高特征匹配的准确性和鲁棒性,从而实现了更高效的点云配准。其中,GeoTransformer是一种基于Transformer的点云配准网络,它能够显著提高匹配的正确性,并实现了无需RANSAC的点云配准。 GeoTransformer利用Transformer来进行全局的特征提取和匹配。它通过将点云的坐标进行映射作为Transformer的位置编码,从而实现了对不同位置的点的区分。这种基于坐标的位置编码是transformation-invariant的,对于点云配准任务是合理的。 通过引入Transformer的全局结构感知能力,GeoTransformer能够更好地处理点云中存在的类似的局部区域,提高匹配的准确性。此外,GeoTransformer的代码已经开源,可以供研究者和开发者使用。 综上所述,基于Transformer的点云配准方法能够利用全局结构信息提高特征匹配的准确性和鲁棒性,实现快速且可靠的点云配准。GeoTransformer是其中的一种方法,通过引入Transformer进行全局特征提取和匹配,实现了无需RANSAC的点云配准
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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