点云配准求物体的6D姿态（转）

点云配准其实也是求点云到点云的变换，也就是一组R和T

1.输入为完整点云

答：
有了完整点云之后，可以使用ICP类方法得到精确位姿，就不需要CNN了，但这类方法受到初始位姿影响，初始位姿好，ICP结果就好；
CNN估计的结果可以用ICP再refine；CNN类方法可能速度更快，或者对噪声的鲁棒性更强。

2.输入为单面点云（如单幅RGBD计算得出的）

1）直接使用ICP效果不会太好，因为ICP适用于两片点云重合区域较大，而且初始位姿比较好的情况；
2）将部分点云和完整模型匹配的话，可以随机从多个姿态下和模型ICP匹配（RANSAC），选择平均误差最小的结果；
3）也可以部分点云上提取特征点，完整模型上提取特征点，进行对应，计算得到粗位姿，再使用ICP细配准；（基于对应点的方法）
4）也可以从多个角度拍摄部分点云，融合得到大片点云，再与完整模型配准，这时重合区域大，直接使用ICP效果也还行；
5）也可以将完整模型朝几个特定方向投影得到多个单片点云，再和当前的单片点云使用ICP配准，选择误差最小的那个。

输入为3D点云：
1）使用模板匹配的方法耗时
2）使用3D描述符的方法（基于对应点方法）
需要提取特征点和计算特征描述符，这一步的耗时得具体看；
另外依赖点云的具体几何结构，如果特征点丰富且区分度高，很快匹配到大致位置；
如果点云的区分度不高，就需要很强的特征描述，进行准确的匹配；
粗匹配后使用ICP一般很快就收敛。