点云识别-多个目标物体配准

综述

常见的点云配准都是单一配准，最经典的为粗配+icp精配准。本文依据pcl中cg算法，利用hough进行识别。

算法流程

1、计算法线
2、均匀降采样
3、shot描述子计算
4、寻找对应关系
5、利用hough进行配准

过程

1、原始点云如下（注：点云数据来自鹏力3D相机）

2、配准显示：

3、配准结果：绿色为模板点云，红色为配准后的点云，蓝色为采样后的模板与场景点云。

3、配准矩阵
Instance 1
-0.954096 0.268854 -0.131979 143.093
-0.249819 -0.957457 -0.144453 312.399
-0.165201 -0.104852 0.980671 -23.7059
0 0 0 1

Instance 2
-0.991586 -0.0764673 -0.10445 315.292
0.0794278 -0.99654 -0.0244786 118.135
-0.102216 -0.0325689 0.994229 -61.2683
0 0 0 1

Instance 3
-0.998138 -0.0601465 0.0101171 310.928
0.0604276 -0.997714 0.030263 56.9239
0.0082738 0.030818 0.999491 -99.1217
0 0 0 1

Instance 4
-0.999558 -0.0199898 0.0220236 421.992
0.0200465 -0.999796 0.00236082 95.5149
0.021972 0.00280128 0.999755 -93.8967
0 0 0 1

Instance 5
-0.974308 -0.0302755 -0.223178 838.464
0.0247241 -0.999312 0.0276273 62.7956
-0.223861 0.0213997 0.974386 -14.9758
0 0 0 1

Instance 6
0.995402 -0.0953485 -0.00915375 -26.4745
0.0919225 0.977743 -0.188599 71.0808
0.0269327 0.186891 0.982011 -106.315
0 0 0 1

Instance 7
0.993101 0.0247692 -0.11462 204.98
-0.0205901 0.999084 0.0375023 -185.268
0.115444 -0.0348835 0.992701 -87.0265
0 0 0 1

Instance 8
0.961276 0.185717 0.203613 -589.633
-0.15904 0.977225 -0.140493 61.6279
-0.225068 0.10267 0.968919 -37.016
0 0 0 1

Instance 9
0.997246 0.0271222 0.0690321 -274.307
-0.0308815 0.998064 0.0539868 -195.472
-0.0674343 -0.05597 0.996153 -61.2137
0 0 0 1

Instance 10
-0.980549 -0.179777 -0.0787599 828.43
0.185432 -0.980049 -0.0715434 141.976
-0.0643267 -0.0847565 0.994323 -47.6181
0 0 0 1

Instance 11
0.993726 0.0035918 0.111787 74.8284
-0.00202689 0.999898 -0.0141095 -132.863
-0.111826 0.0137944 0.993632 -56.3289
0 0 0 1

Instance 12
0.995317 -0.0547616 0.0796628 252.42
0.0618801 0.994034 -0.0898222 -53.1371
-0.0742687 0.0943311 0.992767 -71.2469
0 0 0 1

结论

针对以上场景点云12个目标，使用该方法可以进行全部识别。
耗时：16s，平均每个目标1.35s。
误差：有图可知，个别配准精度不高，可以通过后续优化进行操作。