视觉半稠密点云匹配性能测试：基于super 4pcs算法

介绍：

1. 点云匹配一般会分为两个步骤，一个是全局的变换的计算，叫做全局对齐。一个是把全局计算的变换作为初值的微调，叫做局部对齐。
2. 全局对齐的方法有
   1. 分割加描述符
   2. 这篇文章的重点：super 4pcs
3. 局部对齐的方法有
   1. icp
   2. ndt
4. 如果要对齐两快很大的点云，最好把一块点云分段后，分别和另一个大点云做匹配。然后用graph优化来调整误差。因为很大的两个点云很难做到全局一致。

super 4pcs原理：

1. 在source点云中随机挑选一组共面的4点。
2. 然后把target点云中所有和这个四边形全等的四边形找出来。
   1. 先计算四边形两条对角线的长度。
   2. 在source中找有同样长度的线段，并且还能组成共面四点。这样就找到了affine相似的四边形。
   3. 最后把这些affine相似的四边形中的全等四边形找出来。
3. 每个四边形对都计算一个变换矩阵，通过这个变换矩阵把source点云变换过去。
4. 计算变换后的source点云和target的匹配度，如果匹配度最好的都不太好，就重新从source中选一个四边形。
5. 直到选到满足要求的。
6. 上面是4pcs的算法，super spcs在这个基础上做了两点改进：
   1. 找距离相等的线段上做了优化
   2. 直接能找到全等四边形，而不用先找affine相似，再去过滤掉不全等的。

效果分析：

1. source和target的尺度一定要一致，所以尽量减少source点云的大小，如果生成点云的算法没有全局信息。