PFH+ICP算法点云配准研究，另附数据文件数据
FPFH+ICP算法点云配准研究，另附数据文件数据
注：有数据转换c++代码，可以把ply文件转换pcd格式文件
在网上搜了一些文章，感觉比较好的可供参考：
感谢博主的思路
基本思路为：
（1）从待配准点云P中选取n个采样点，为了尽量保证所采样的点具有不同的FPFH特征，采样点两两之间的距离应满足大于预先给定最小距离阈值d。
（2）在目标点云Q中查找与点云P中采样点具有相似FPFH特征的一个或多个点，从这些相似点中随机选取一个点作为点云P在目标点云Q中的一一对应点。
（3） 计算对应点之间刚体变换矩阵, 然后通过求解对应点变换后的“距离误差和”函数来判断当前配准变换的性能。此处的距离误差和函数多使用Huber罚函数表示。
迭代最近点算法(Iterative Cloest Point, ICP)
ICP算法基于SVD，其大致思路如下:
(1) 将初始配准后的两片点云P′(经过坐标变换后的源点云)和Q，作为精配准的初始点集；
(2) 对源点云P’中的每一点pi，在目标点云Q中寻找距离最近的对应点qi，作为该点在目标点云中的对应点，组成初始对应点对；
(3) 初始对应点集中的对应关系并不都是正确的，错误的对应关系会影响最终的配准结果，采用方向向量阈值剔除错误的对应点对；
(4) 计算旋转矩阵R和平移向量T，使最小，即对应点集之间的均方误差最小；
(5) 设定某一阈值ε=dk-dk-1和最大迭代次数Nmax, 将上一步得到的刚体变换作用于源点云P′，得到新点云P”，计算P”和Q的距离误差,，如果两次迭代的误差小于阈值ε或者当前迭代次数大于Nmax，则迭代结束，否则将初始配准的点集更新为P”和Q，继续重复上述步骤，直至满足收敛条件。
ICP算法对参数敏感，在使用前要设置一下几个参数：
1.setMaximumIterations， 最大迭代次数，icp是一个迭代的方法，最多迭代这些次；
2. setEuclideanFitnessEpsilon， 设置收敛条件是均方误差和小于阈值，停止迭代；
3. setTransformtionEpsilon, 设置两次变化矩阵之间的差值（一般设置为1e-10即可）；
4. setMaxCorrespondenaceDistance,设置对应点对之间的最大距离（此值对配准结果影响较大）。
在两点云相差较大的情况下，ICP算法容易陷入局部最优解，从而无法得到较好的匹配结果，故需要先给定一个初始变换矩阵。在pcl库中的registration模块可实现ICP算法。
##代码：
#include 生成的图片：
配准前的点云
##数据来源一般在网上下载斯坦福大学的数据，但是其数据格式是ply格式，需要转换到pcd格式
斯坦福大学数据链接
转换的代码为
#include ::Ptr cloud(new pcl::PointCloud());
pcl::io::loadPCDFile("model1.pcd",*cloud);
ply文件显示
//pcl::PolygonMesh mesh;
//vtkSmartPointer polydata = vtkSmartPointer::New();
//pcl::io::loadPolygonFilePLY("raw.ply", mesh);
ply另存vtk
pcl::io::saveVTKFile("temp.vtk", mesh);
//pcl::io::mesh2vtk(mesh, polydata);
//pcl::io::vtkPolyDataToPointCloud(polydata, *cloud);
两种存贮方式 pcd另存pcd
//pcl::PCDWriter pcdwriter;
pcdwriter.write("save_ply2vtk2pcd.pcd", *cloud);
//pcl::io::savePCDFileASCII("raw1.pcd", *cloud);
//*VCGLIB生成 的ply
/*pcl::PCLPointCloud2 clod;
pcl::io::loadPLYFile("raw.ply", clod);
pcl::io::savePCDFile("raw11.pcd", clod);*/
pcl::PCLPointCloud2 clod;
pcl::PLYReader reader;
reader.read("bun045.ply", clod);
pcl::PCDWriter writer;
writer.writeASCII("bun045.pcd", clod);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>());
//对于ply文件中格式为RGBA格式，则上句改写为
//pcl::PointCloud::Ptr cloud(new pcl::PointCloud());
pcl::io::loadPCDFile("raw11.pcd", *cloud);
/*
boost::shared_ptr viewe(new pcl::visualization::PCLVisualizer("ss"));
//viewe->initCameraParameters();
viewe->setBackgroundColor(0, 0, 0);
//viewe->addCoordinateSystem(1.0f);
pcl::visualization::PointCloudColorHandlerRGBField color(cloud);
//对于ply文件中格式为RGBA格式，则上句改写为
//pcl::visualization::PointCloudColorHandlerRGBField color(cloud);
viewe->addPointCloud(cloud, color, "cloud");
//对于ply文件中格式为RGBA格式，则上句改写为
//viewe->addPointCloud(cloud, color, "cloud");
//viewe->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_FONT_SIZE, 2, "cloud");
while (!viewe->wasStopped()) {
viewe->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
*/
return 0;
}
上面的代码可以转换成无RGB信息的三维点云。也可以在我的百度网盘里直接下载，仅供参考：
百度网盘链接
提取吗：47oq