逐步匹配多幅点云-pairwise_incremental_registration

最新推荐文章于 2024-04-25 22:00:17 发布

R.F.T.S

最新推荐文章于 2024-04-25 22:00:17 发布

阅读量570

点赞数

分类专栏： # 点云库PCL学习教程文章标签： PCL 逐步匹配多幅点云配准

本文链接：https://blog.csdn.net/weixin_48240054/article/details/109561502

版权

本文介绍了使用迭代最近点算法（ICP）逐步对一系列点云进行pairwise_incremental_registration，确保所有点云与第一个点云在同一坐标系下。通过预匹配和重叠区域找到最佳变换，最终实现点云配准。在VS中，通过输入点云文件并执行配准，观察配准过程直至收敛。经过30次迭代，完成配准并存储结果，对比配准前后的点云差异。

摘要由CSDN通过智能技术生成

逐步匹配多幅点云-pairwise_incremental_registration
1.使用迭代最近点算法，逐步对一系列点云进行两两匹配。他的思想是对所有的点云进行变换，使得都与第一个点云在统一坐标系中。在每个连贯的有重叠的点云之间找到最佳的变换，并积累这些变换到的全部点云。能够进行ICP算法的点云需要粗略的预匹配，并且一个点云与另一个点云需要有重叠部分。
2.代码

#include <boost/make_shared.hpp>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/point_representation.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/filter.h>
#include <pcl/features/normal_3d.h>
#include <pcl/registration/icp.h>
#include <pcl/registration/icp_nl.h>
#include <pcl/registration/transforms.h>
#include <pcl/visualization/pcl_visualizer.h>
using namespace std;
using pcl::visualization::PointCloudColorHandlerGenericField;
using pcl::visualization::PointCloudColorHandlerCustom;
//简单类型定义
typedef pcl::PointXYZ PointT;
typedef pcl::PointCloud<PointT> PointCloud;
typedef pcl::PointNormal PointNormalT;
typedef pcl::PointCloud<PointNormalT> PointCloudWithNormals;
//创建可视化工具
pcl::visualization::PCLVisualizer *p;
//定义左右视点
int vp_1, vp_2;
//处理点云的方便的结构定义：在配准过程中可以同时接收多个点云文件输入，程序从第一个文件开始，连续两两配准
struct PCD
{
   
	PointCloud::Ptr cloud;//点云共享指针
	std::string f_name;//文件名称
	PCD() : cloud(new PointCloud) {
   };
};
struct PCDComparator//文件比较处理
{
   
	bool operator () (const PCD& p1, const PCD& p2)
	{
   
		return (p1.f_name < p2.f_name);
	}
};
//以< x, y, z, curvature >形式定义一个新的点
class MyPointRepresentation : public pcl::PointRepresentation <PointNormalT>
{
   
	using pcl::PointRepresentation<PointNormalT>::nr_dimensions_;
public:
	MyPointRepresentation()
	{
   
		//定义点的维度
		nr_dimensions_ = 4;
	}
	//重载copyToFloatArray方法将点转化为4维数组
	virtual void copyToFloatArray(const PointNormalT &p, float * out) const
	{
   
		// < x, y, z, curvature >
		out[0] = p.x;
		out[1] = p.y;
		out[2] = p.z;
		out[3] = p.curvature;
	}
};

//在可视化窗口的第一视点显示未匹配源点云和目标点云
void showCloudsLeft(const PointCloud::Ptr cloud_target, const PointCloud::Ptr cloud_source)
{
   
	p->removePointCloud("vp1_target");
	p->removePointCloud("vp1_source");
	PointCloudColorHandlerCustom<PointT> tgt_h(cloud_target, 0, 255, 0);
	PointCloudColorHandlerCustom<PointT> src_h(cloud_source, 255, 0, 0);
	p->addPointCloud(cloud_target