本文汇总了多种点云配准方法，包括基于局部特征描述子、ICP、概率分布等技术，详细列举了各算法的代码资源和论文链接。配准流程包括关键点提取、特征描述、粗配准、精配准和误差分析。提供了多个ICP变种及点云注册的开源实现，邀请读者参与讨论和知识交流。
点云配准的目标是根据原始点云和目标点云，通过配准求出变换矩阵，即旋转矩阵R和平移矩阵T，并计算误差，来比较匹配结果。主要有以下几种比较
基于局部特征描述子（PFH、FPFH、3Dsc，Shot等等）；
icp配准 ；
基于概率分布 （NDT）；
配准的一般步骤：
提取关键点
特征描述
一致性估计（以上可以概括为粗配准）
精配准
误差分析
注意：配准中，由于不同点云数据集的特性，需要提取不同关键点。
demo展示
汇总ICP资源
1，FilterReg: Robust and Efficient Probabilistic Point-Set Registration using Gaussian Filter
订阅专栏 解锁全文
1498
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
