1、4PCS点云配准原理
4PCS配准算法使用的是RANSAC算法框架,通过构建与匹配全等四点对的方式来减少空间匹配运算,进而加速配准过程。 具体的在任意姿态的输入点云P和Q中构建共面四点集合,使用仿射不变性约束,在共面四点集合中匹配符合条件的对应点对,使用LCP(Largest Common Pointset)策略寻找配准后最大重叠度四点对,得到最优匹配结果,完成点云粗匹配。
2、与RANSAC算法区别
4PCS系列的点云配准方法有点类似Ransac,通过找出目标点云和带配准点云中对应的两组点进行旋转平移求解出T,然后在众多的候选T中旋转一组最大重合的T。只是怎么找出对应点方法不一样,Ransac一般通过特征点及描述子去找对应点,而4PCS则是通过对应的同一平面四点组仿射不变性去找。该方法适用于重叠区域较小或者重叠区域发生较大变化场景点云配准,无需对输入数据进行预滤波和去噪,算法能够快速准确的完成点云配准。
3、点对的放射不变性
4、4PCS点云配准流程
5、4PCS点云配准主要参数设置
fpcs_ptr_.setApproxOverlap(ApproxOverlap);//设置源和目标之间的近似重叠度
fpcs_ptr_.setDelta(Delta);//设置配准后对应点之间的距离(以米为单位)
fpcs_ptr_.setMaxComputationTime(MaxComputationTime);//最大计算时间
fpcs_ptr_.setNumberOfSamples(NumberOfSamples);//设置验证配准效果时要使用的采样点数量
6、4PCS点云配准改进方向
配合局部特征描述子和局部特征(曲率,法线),加速4点共面点集的选择过程。
参考连接:
点云配准--4PCS原理与应用_xinxiangwangzhi_的博客-CSDN博客_4pcs算法