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