python pcl icp_PCL学习笔记二：Registration (ICP算法)

原文：http://blog.csdn.net/u010696366/article/details/8941938

PCL Registration API

Registration：不断调整，把不同角度的3D点数据整合到一个完整的模型中。

它的目的在于在一个全局坐标系下找到不同视角的定位与定向(两个视角交叉部分重叠完好为最优)。这就是KinectFusion论文中所提到的ICP( Iterative Closest Point )算法。给定输入数据集，首先做一个估计，然后通过旋转和平移变换一个数据集，找到一个正确的点集对应方式完美匹配。下面几页PPT是ICP很好的解释。

PCL提供了很多算法，多组点集对应估计，剔除坏对应，稳健的变换估计等。下面详细解释。

Pairwise registration

两个点集的对应，输出通常是一个4×4刚性变换矩阵：代表旋转和平移，它应用于源数据集，结果是完全与目标数据集匹配。下图是“双对应”算法中一次迭代的步骤：

对两个数据源a，b匹配运算步骤如下：

从其中一个数据源a出发，分析其最能代表两个数据源场景共同点的关键点k

在每个关键点ki处，算出一个特征描述子fi

从这组特征描述子{fi