PCL（6）：PCL官网中配准模块的类

最新推荐文章于 2024-04-30 17:24:26 发布
最新推荐文章于 2024-04-30 17:24:26 发布
阅读量748 收藏 2
点赞数 3
分类专栏： 点云 文章标签： 算法
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/qq_42827488/article/details/113769066
版权
本文介绍了PCL库中的配准模块，包括pcl::registration::ConvergenceCriteria的收敛标准，如最大迭代次数、变换阈值和MSE阈值。接着讲解了pcl::IterativeClosestPoint的基本实现，其终止条件和关键参数设置。最后，概述了pcl::Registration通用配准类的功能和主要方法。
摘要由CSDN通过智能技术生成

1、pcl::registration::ConvergenceCriteria

ConvergenceCriteria表示配准中使用的不同收敛标准的抽象基类。这应该作为迭代最近点(ICP)方法的一部分，以验证算法是否已经达到收敛。
通常来说有如下标准表示配准结束：

  1. 已达到最大迭代次数；
  2. 变换(R, t)不能进一步更新(当前与之前的差异小于一个阈值)
  3. 当前对应关系与前一对应关系之间的均方误差(MSE)小于某一阈值

类中包含一个纯虚函数hasConverged()，检查是否已经达到收敛。
使用方法：
virtual bool pcl::registration::ConvergenceCriteria::hasConverged ( )

2、pcl::IterativeClosestPoint< PointSource, PointTarget, Scalar >

这个类确定了ICP算法的基本实现。
该算法具有多个终止条件：

  1. 迭代次数已达到用户施加的最大迭代次数（通过setMaximumIterations）
  2. 先前转换与当前估计的转换之间的ε（差异）小于用户施加的值（通过setTransformationEpsilon）
  3. 欧几里德平方误差的总和小于用户定义的阈值（通过setEuclideanFitnessEpsilon）

用法示例


                

                
                
        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  二更鼓响
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
IterativeClosestPoint＜PointXYZL, PointXYZL, double＞类是 PCL (Point Cloud Library) 中用于执行迭代最近点（ICP）算法的

				
			

			

				

					小秋 AI SLAM 入门实战教程
				

				

					01-30
					
					1187
					
				

			

		

		

			
				
类是 PCL (Point Cloud Library) 中用于执行迭代最近点（ICP）算法的类。这个算法用于计算两个点云之间的最佳对齐（即找到一个刚体变换，使得一个点云尽可能接近另一个点云）。这段 C++ 代码使用 PCL (Point Cloud Library) 生成了两个随机点云，应用了迭代最近点（ICP）算法来对齐这两个点云，并在一个窗口的两个视口中显示原始的未对齐点云和对齐后的点云。使用这些函数，你可以配置 ICP 算法的各种参数，执行点云对齐，并获取结果。

			
		

	



                

              
                



	

		

			

				
					
PCL ICP算法实现点云精配准【2024最新版】

					
热门推荐

				
			

			

				

					点云侠的博客
				

				

					04-28
					
					31万+
					
				

			

		

		

			
				
PCL1.14.1 及之前版本所实现的迭代最近点ICP算法。博客长期更新，本文最新更新时间为：2024年7月24日。

			
		

	



                


  
              

                


	

		

			

				
					
PCL - ICP代碼研讀（五 ） - align函數

				
			

			

				

					keineahnung2345的博客
				

				

					10-03
					
					1446
					
				

			

		

		

			
				
接續PCL - ICP代碼研讀（二 ） - Registration架構，本篇主要介紹Registration類別的align函數。
computeTransformation這個純虛擬函數用於估計兩點雲間的轉矩矩陣(final_transformation_)，並同時對輸入點雲input_做轉換，將結果儲存至output這個點雲中，可以說是校正算法的核心。
align函數則是它的wrapper，為computeTransformation函數做好初始化後，再呼叫該函數。

			
		

	





	

		

			

				
					
PCL中点云配准精通级实例解析

				
			

			

				

					Roar冷颜的博客
				

				

					10-22
					
					4743
					
				

			

		

		

			
				
PCL中点云配准精通级实例解析1 如何将扫描数据与模板对象进行配准2 基于VFH描述子聚类识别与位姿估计2.1  训练阶段2.1.1 建立树结构源代码2.1.2 树结构建立程序解释说明2.2  测试阶段2.2.1 近邻搜索源代码2.2.2 近邻搜索代码解释说明2.3  编译运行程序
1 如何将扫描数据与模板对象进行配准
  本小节综合利于PCL中多个模块，介绍如何对齐已有的模型与一个获取的深度图像数据，在这个例子中，利用包含一个人的深度图像场景作为目标，与获取的脸部模板数据进行对齐配准，通过模板匹配可以估计

			
		

	



		

			
		



	

		

			

				
					
【PCL】教程 template_alignment.cpp将对象模板对齐到点云中

					
最新发布

				
			

			

				

					cxyhjl的博客
				

				

					04-30
					
					1053
					
				

			

		

		

			
				
将对象模板对齐到点云中本教程展示了如何将其他教程中的一些工具组合起来解决更高级的问题——将之前捕获的对象模型对齐到一些新的捕获数据。在这个特定示例中，我们将采用包含人脸的深度图像，并尝试将之前捕获的人脸模板拟合到其中，以确定场景中人脸的位置和方向。我们可以使用以下代码将人脸模板（蓝点）拟合到新的点云（绿点）中。$ ./template_alignment data/object_templates...

			
		

	





	

		

			

				
					
PCL IterativeClosestPoint 重叠最邻近点 点云配准

				
			

			

				

					zxcvb036的博客
				

				

					02-18
					
					370
					
				

			

		

		

			
				
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/registration/icp.h>

int
main(int argc, char** argv)
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::Poin

			
		

	





	

		

			

				
					
PCL：实现使用GICP对点云配准（附完整源码）

				
			

			

				

					希望我的博客，能帮上你解决学习中工作中所遇到的问题
				

				

					10-06
					
					396
					
				

			

		

		

			
				
PCL：实现使用GICP对点云配准（附完整源码）

			
		

	





	

		

			

				
					
PCL学习：运动对象分割与配准

				
			

			

				

					zfjBIT的专栏
				

				

					07-10
					
					1394
					
				

			

		

		

			
				
程序说明：输入包含猪体的场景点云序列，实现猪体目标的运动分割；

包含以下功能模块：


1. 序列点云读取模块：读取同一个文件夹下的左右pcd文件；

2. 滤波模块：点云下采样得到分布均匀的点云；

3. 平面检测及删除模块：利用采样一致性算法检测平面点云，并将其删除；

4. 聚类分割模块：基于欧式距离进行点云分割；

5.运动分割模块：第一帧时，手动选取种子点检测到运动目标ROI_back...

			
		

	





	

		

			

				
					
PCL：SAC-IA+ICP配准

				
			

			

				

					m0_71596228的博客
				

				

					03-30
					
					541
					
				

			

		

		

			
				
【代码】SAC-IA+ICP配准。

			
		

	





	

		

			

				
					
fast-vgicp代码阅读

				
			

			

				

					qq_40268190的博客
				

				

					04-17
					
					2710
					
				

			

		

		

			
				
文章目录GICP代码解析pcl::Registration::align和fast_gicp::LsqRegistration::computeTransformationfast_gicp::LsqRegistration::step_lm和fast_gicp::LsqRegistration::is_convergedfast_gicp::FastGICP::calculate_covariancesfast_gicp::FastGICP::linearizefast_gicp::FastGICP::u

			
		

	





	

		

			

				
					
pcl点云库(1):迭代最近点算法(icp)算法实践及解析

				
			

			

				

					biter0088的博客
				

				

					07-23
					
					4222
					
				

			

		

		

			
				
本次icp匹配效果不好，主要因为icp是一种贪心算法，这里可能陷入局部最优----解决办法一般是先进行比较好的粗匹配。彩色是输入点云即待匹配点云、白色是目标点云、红色是进过icp匹配后的点云。（注基于ubuntu、ros的c++代码）..................

			
		

	





	

		

			

				
					
（一）PCL库 ICP配准

				
			

			

				

					伍心的专栏
				

				

					08-31
					
					1144
					
				

			

		

		

			
				
简介：通过ICP配准，对齐CBCT提取牙齿与口内扫描获取牙冠，结果失败。原因：可能是因为两者重叠点云数据少，而不重叠部分过多，待后续分析。



1、CBCT提取牙齿 与口内扫描获取数据在同坐标系下显示



2、PCL库调用ICP进行配准


void registCTInteroral()
{
    char strST[256] = "E:\\CBCT\\lower.ply";
    char strCT[256] = "E:\\CBCT\\lower-CT.ply";

    pcl::Po.

			
		

	





	

		

			

				
					
PCL中Ptr释放问题 aligned_free

				
			

			

				

					Vikanill的博客
				

				

					03-30
					
					6874
					
				

			

		

		

			
				
解决办法：

VS：通过项目属性->C/C++->代码生成->启用增强指令集->选择AVX





事情的起因是这样的

我用的是PCL1.12.1版本，创建了一个函数，用来计算法向，然后我发现计算出的法向中有值为NaN的点，所以我想要看看这些点是哪些，pcl中有函数removeNaNNormalsFromPointCloud可以直接将这些点剔除，并且还能够返回这些点的下标。总之，因为以上的种种原因，我写出了下面的代码


xxx func(pcl::PointCloud<.

			
		

	





	

		

			

				
					
【点云处理技术之PCL】点云配准算法之ICP系列

				
			

			

				

					非晚非晚的博客
				

				

					06-03
					
					3272
					
				

			

		

		

			
				
将从各个视角得到的点集合并到统一的坐标系下形成一个完整的点云，然后就可以方便进行可视化的操作，这就是点云数据的配准。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满足给定的误差要求.

			
		

	





	

		

			

				
					
详解PCL中点云配准技术

				
			

			

				

					qq_33287871的博客
				

				

					07-27
					
					4155
					
				

			

		

		

			
				
本文是对前两篇文章：点云配准（一 两两配准）以及3D点云（二 多福点云配准）的补充。
一、 PCL中点云配准技术的简单实现
在同一文件夹下，有测试数据文件monkey.ply，该文件是利用Blender创建的默认Monkey模型。

利用如下代码，将初始点云（图中绿色点云）进行旋转平移，得到目标点云（图中红色点云）。
// 旋转矩阵的具体定义 (请参考 https://en.wikipedia.org/wiki/Rotation_matrix)
double theta = M_PI / 20;  // .

			
		

	





	

		

			

				
					
PCL中的点云配准（Registration）ICP算法

				
			

			

				

					wokaowokaowokao12345的专栏
				

				

					06-26
					
					7万+
					
				

			

		

		

			
				
引言给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，即配准过程。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。对于从不同视图（views）获取的每一组点云数据，需要一个能够将它们对齐在一起的单一点云模型，从而可以应用后续处理步骤，如分割和对象重构。 
这篇博文就基于PCL中的ICP算法，实现不同视

			
		

	





	

		

			

				
					
SLAM前端之ndt_omp使用

				
			

			

				

					weixin_41518014的博客
				

				

					05-26
					
					5548
					
				

			

		

		

			
				
ndt_omp(部分参考https://zhuanlan.zhihu.com/p/48853182)

简介：

koide3/ndt_omp。继承自pcl ndt，并做了多线程等优化。参考：koide3/ndt_omp

环境需求：

1) 需要编译安装pcl-1.8.1或以上版本。因为ndt_omp是继承自pcl ndt的。

使用方法：

1）将整个ndt_omp-master放到工程下的src目录内

2)在CMakeLists.txt中添加语句

打开c++11

add_compile_opti

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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