点云全局配准复现——FastGlobalRegistration

demo演示

一、项目地址

github链接：FastGlobalRegistration
论文地址：FastGlobalRegistration论文

二、复现流程

1、下载源码，如下图所示

2、找到以下文件夹中.cpp与.h文件，在FastGlobalRegistration /sources / FastGlobalRegistration文件夹中。并拷贝到新的工程中。

3、vs新建工程，将上面的代码添加到工程中，并且将pcl相关属性也添加到项目中。如下图所示，其中evaluation为评价相关代码，可不添加。

添加pcl属性则不需要添加额外的eigen库和flann库，用pcl自带的，后面也方便后续更改。

4、代码测试
依据main函数中相关代码，设置好相关参数，其中argv[1]、argv[2]表示计算万特征描述子后的feature.bin文件，argv[3]设置为输出的txt格式文件。如下所示：

5、效果展示；
原始两片点云：

配准后：

可以看出，配准效果非常好，按照论文所述，配准时长也非常快。

三、数据集测试

1、由于项目中需要输入的是计算好的FPFH文件，需要先把FPFH文件计算出来，然后进行保存，在读取操作，这一过程非常耗时。所以我们需要更改原有代码，利用PCL实时计算并配准。
只需要将FPFH保存在读取操作换成直接计算完FPFH特征描述子后直接读取运行。即将下图1代码换成图2

更改代码如下：

	for (int v = 0; v < cloud_src->size(); v++)
	{
		const pcl::PointXYZ &pt = cloud_src->points[v];
		//float xyz[3] = { pt.x,pt.y,pt.z };
		pts1.push_back(Eigen::Vector3f(pt.x,pt.y,pt.z));

		const pcl::FPFHSignature33 feature = fpfh_src->points[v];
		Eigen::VectorXf feat_v(33);
		for (int i = 0; i < 33; i++)
			feat_v[i] = feature.histogram[i];
		feat1.push_back(feat_v);

	}

2、配准效果
蓝色为配准后的点云，效果还是比较好的。

后续

后续相关demo也会集成到QT+PCL中。

open3d+python相关代码：fast global registration 的python实现