刚性仿射变换算法_医学图像处理案例（二十一）——一致性点漂移算法（Coherent Point Drift）...

今天将分享使用一致性点漂移算法(Coherent Point Drift)来对点云数据进行配准。

1、常见配准变换

简单介绍一下什么是配准，其实很简单就是给定一个数据集，在另一个数据集中找到其所对应数据集的位置。

配准常见的有刚性变换配准，仿射变换配准和非刚性变换配准，其中刚性变换涉及到平移，旋转和各向同性缩放，仿射变换涉及到平移，旋转和各向异性缩放，倾斜等，非刚性变换就会很复杂有很多变换参数，例如分段式仿射变换，多项式模型等。

2、一致性点漂移算法简介

在论文《Point-Set Registration: Coherent Point Drift》中介绍了刚性和非刚性的配准概率方法，称为一致性点漂移算法。论文将点集之间的对应关系看成是一种概率关系问题，在最理想情况下真正的对应点的概率是1，错误的对应点概率值是0，所以直接避开点之间的坐标关系而转向使用概率值来描述这种对应关系，如果概率值越大，那么这种对应关系的确定性也就越大。

既然涉及到了概率，那就会考虑到概率模型，常见有均匀分布、二项分布、正态分布等，此时需要选择一个合适的概率模型来描述这种对应关系。如果针对一个点与一个点的对应关系，可以