vtk：icp配准算法及踩坑（vtkIterativeClosestPointTransform）

  icp配准算法代码

 vtkNew<vtkPolyData> source;
 vtkNew<vtkPolyData> target;




    vtkNew<vtkPolyData> temp;
    temp->SetPoints(linePoints);

    vtkNew<vtkPolyData> temp1;
    temp1->SetPoints(featurePoints);

    vtkNew<vtkVertexGlyphFilter> vertexFilter;
    vertexFilter->SetInputData(temp);
    vertexFilter->Update();
    source->ShallowCopy(vertexFilter->GetOutput());

    vtkNew<vtkVertexGlyphFilter> vertexFilter1;
    vertexFilter1->SetInputData(temp1);
    vertexFilter1->Update();
    target->ShallowCopy(vertexFilter1->GetOutput());


    icpTransform->SetSource(source);
    icpTransform->SetTarget(target);
    icpTransform->GetLandmarkTransform()->SetModeToRigidBody();
    icpTransform->SetMaximumNumberOfIterations(20);
    icpTransform->StartByMatchingCentroidsOn();//这一部分非常重要
    icpTransform->Modified();
    icpTransform->Update();




    icp_ok = 1;

配准不成功的原因

icpTransform->StartByMatchingCentroidsOn() 是设置 Iterative Closest Point (ICP) 配准算法的一个选项，用于初始化配准的第一步。具体来说，它执行以下操作：

1. 匹配质心：在启用这个选项后，ICP 算法会首先计算源点云和目标点云的质心（中心点）。

2. 将源点云平移到目标点云的质心：ICP 算法会通过将源点云平移到目标点云的质心来对齐它们。这有助于初始对齐，从而更容易找到最佳的点云匹配。

在点云配准中，初始对齐通常是一个关键的步骤。如果点云之间存在较大的旋转或平移，ICP 算法可能会陷入局部最小值，导致配准失败。通过将点云的质心对齐，可以大大提高找到良好初始对齐的机会，这有助于 ICP 算法更快地收敛到全局最佳解。

请注意，启用此选项可能会降低算法的收敛速度，因为在开始时需要额外的计算来匹配质心。但这通常会提高配准的准确性，尤其是当初始对齐很差时。

因此，通过启用 icpTransform->StartByMatchingCentroidsOn()，你实际上提高了初始对齐的质量，从而可能使点云配准更准确。