Python点云处理（十五）点云粗配准算法之FPFH+RANSAC

0 简述

点云配准作为三维重构与点云处理中的基础任务，其粗配准阶段的准确度影响着后续的精准匹配与配准效果。本篇介绍FPFH算法结合RANSAC算法进行点云粗配准的原理及python实现方法。

---

1 FPFH算法

粗配准中的FPFH：
在点云粗配准中，FPFH算法具有以下重要作用：

1. 特征描述：FPFH算法能够计算点云数据集中每个点的局部特征描述符。通过描述点云表面的局部形状、法线和曲率信息，可以量化点云的特征并用于点云匹配和配准。
2. 匹配点对选取：利用FPFH算法计算的局部特征，可以在两个点云数据集之间寻找匹配的点对。通过比较点对之间的特征描述符，可以选择最佳匹配点对，进而实现粗配准的初步匹配。
3. 有效性验证：FPFH算法可以作为有效性验证的依据，用于判断匹配的点对是否可靠。通过计算匹配点对之间的特征相似性，并设置适当的阈值，可以排除一些无效的匹配，并提高粗配准