点云全局配准复现——Go-icp实现

demo演示

官方数据集

自己的数据

项目地址

github链接：Go-icp

复现流程

1、下载源码

下载完成后解压缩，将文件夹中所有的.h与.cpp文件拷贝到新的工程，不需要任何依赖项。

2、新建vs工程
将拷贝过来的文件，添加到相应的头文件与源文件中，此时可以直接编译运行。

其中根据jly_main函数，设置相应的调试参数，如下图所示
第一第二分别为待匹配的点云数据，txt格式
第三为随机采样后的点，如果不设置，默认为全部点计算，设置为500个点
第四项为config文件，配准需要的初始参数
第五项为output文件，将配准好的旋转矩阵和平移矩阵写入文件。

3、参照github中note，build3d distance 时间大约在20-25s左右，所以我们大部分时间都浪费在build 3d distance 上。

4、按照github所说，如下图所示，点云的输入格式是txt格式，第一行为点云的数量，对于我们常见的pcd格式不友好，显示效果特不方便，因此我们更改源代码中读取操作，读取pcd文件。

首先增加pcl_release属性列表，如下图所示：

将jly_main.cpp中文件读取点云更改，如下所示：
原有的读取文件：

int loadPointCloud(string FName, int & N, POINT3D ** p)
{
	int i;
	ifstream ifile;

	ifile.open(FName.c_str(), ifstream::in);
	if(!ifile.is_open())
	{
		cout << "Unable to open point file '" << FName << "'" << endl;
		exit(-1);
	}
	ifile >> N; // First line has number of points to follow
	*p = (POINT3D *)malloc(sizeof(POINT3D) * N);
	for(i = 0; i < N; i++)
	{
		ifile >> (*p)[i].x >> (*p)[i].y >> (*p)[i].z;
	}

	ifile.close();

	return 0;
}

更改后：

int loadPointCloud(POINT3D ** p, pcl::PointCloud<pcl::PointXYZ>::Ptr cloud)
{
	int i;
	int N = cloud->size();

	*p = (POINT3D *)malloc(sizeof(POINT3D) * N);
	for (i = 0; i < N; i++)
	{
		(*p)[i].x = cloud->points[i].x;
		(*p)[i].y = cloud->points[i].y;
		(*p)[i].z = cloud->points[i].z;
	}
	return 0;
}

数据集测试

绿色是匹配后的data_bunny，如图所示，匹配效果还是很好的。

对于其余数据集

后续

算法看的还是不够仔细，没有仔细看过相关论文，没有研究过参数，只是囫囵吞枣的过了一遍，感觉这个算法实时性不是很好，后续相关操作也会集成到QT+PCL中，一起学习，一起进步。