点云处理
文章平均质量分 91
海清河宴
没有解决不了的问题,没有调不出来的程序
展开
-
NDT点云配准算法
NDT点云配准算法NDT算法介绍NDT算法流程NDT算法可视化理解NDT算法PCL实现NDT算法介绍NDT正态分布点云算法,即Normal Distribution Transform,是将参考点云转换成多维变量的正态分布来进行配准。如果变换参数能够使得两幅激光数据匹配得很好,那么变换点在参考点云中对应的概率密度将会很大。因此,要使得两幅激光点云数据匹配最优,只需用优化方法迭代计算使得概率密度之和最大的转换矩阵。现实中,LiDAR扫描得到的点云可能和参考点云(如高精地图点云)存在细微的区别,此偏差可能原创 2021-08-17 10:26:49 · 8217 阅读 · 0 评论 -
ICP点云配准算法
ICP点云配准算法ICP点云配准算法ICP点云配准算法ICP算法介绍ICP算法流程图ICP算法优缺点与改进ICP算法的优点ICP算法的不足ICP算法的改进ICP算法PCL库实现ICP算法介绍ICP(Iterative Closest Point),即最近点迭代算法,是最为经典的数据配准算法。其特征在于,通过求取源点云和目标点云之间的对应点对,基于对应点对构造旋转平移矩阵,并利用所求矩阵,将源点云变换到目标点云的坐标系下,估计变换后源点云与目标点云的误差函数,若误差函数值大于阀值,则迭代进行上述运算直到原创 2021-08-17 10:04:08 · 7510 阅读 · 0 评论