点云配准8:FPFH+RANSAC粗配准 + ICP精配准(Open3D)

写在前面

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
FPFH是一种点云配准算法,它可以计算点云之间的特征描述符,从而实现点云的配准。下面是使用Pyth实现FPFH点云配准的步骤:\n\1.导入必要的库和模块:\n\```pyth\impor op3 as 3\impor numpy as np\from sklear.neighbors impor NresNeighbors\```\n\2.加载点云数据:\n\```pyth\sour = 3.i.r_poi_clou(\sour.p\")\rg = 3.i.r_poi_clou(\rg.p\")\```\n\3.计算法线:\n\```pyth\sour.stim_normals(search_param=3.geometry.KDTrSearchParamHybri(radius=.1, max_=30))\rg.stim_normals(search_param=3.geometry.KDTrSearchParamHybri(radius=.1, max_=30))\```\n\4.计算FPFH特征描述符:\n\```pyth\sour_fpfh = 3.pipelines.registrati.compu_fpfh_featur(sour, 3.geometry.KDTrSearchParamHybri(radius=.25, max_=100))\rg_fpfh = 3.pipelines.registrati.compu_fpfh_featur(targ, 3.geometry.KDTrSearchParamHybri(radius=.25, max_=100))\```\n\5.找到最近邻点:\n\```pyth\ = NresNeighbors(_neighbors=1)\.fi(np.asarray(targ_fpfh.))\iss, indices = .kighbors(np.asarray(sour_fpfh.))\```\n\6.设置ICP参数并运行ICP:\n\```pyth\hresh = .02\rans_ini = np.asarray([[1, , , ],\ [, 1, , ],\ [, , 1, ],\ [., ., ., 1.]])\reg_p2p = 3.pipelines.registrati.registrati_ip(sour, targ, thresh, trans_ini,\ 3.pipelines.registrati.TransformatiEsimatiPoiToPoi(),\ 3.pipelines.registrati.ICPCvergCriteri(max_iterati=200))\```\n\7.输出配准结果:\n\```pyth\pri(reg_p2p.transformati)\```\n\以上就是使用Pyth实现FPFH点云配准的步骤。需要注意的是,这只是其中一种实现方式,还有其他的实现方式,如使用PCL库等。\n\

“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

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

打赏作者

诺有缸的高飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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