点云的粗配准和精配准

1.前言
点云配准是点云处理的重要技术之一，可以用来估计物体位姿，拼接多个视角下的点云.
分别用基于采样一致性的粗配准，以及粗配准与ICP精配准结合的方法进行配准实验。

粗配准流程图如下，主要为精配准提供一个比较好的初始位置。

Created with Raphaël 2.1.0 开始 点云降采样 提取法向量 提取FPFH特征 根据特征的距离确定点对关系 随机选择几个点对计算刚性变换矩阵 是否达到迭代次数？ 结束 yes no

精配准采用ICP配准，PCL库实现思路：

Created with Raphaël 2.1.0 开始 根据距离最近原则确定点对 确定目标函数 求解刚性变换 误差是否收敛到指定范围 or 是否达到迭代次数? 结束 yes no

2.思考
以上可以看出无论是粗配准还是精配准，核心在于：

• 点对关系如何确定？

x,y,z距离还是特征距离，特征选择或设计哪一个，目标函数距离度量选择或设计哪一个，包括这里没考虑的错误点对排除问题

• 求解变换矩阵的方法？

svd分解法，对偶四元数法

3.结果
粗配准+精配准

4.代码
代码放在了github，比较简单。
https://github.com/Coldplayplay/SAC-IA

5.参考
stackoverflow robust registration of two point clouds
p-chao