点云配准 01(概念)

一、概述

点云配准 01(概念)_第1张图片

 不考虑尺度(缩放)的情况下,点云配准过程就是求一个两个点云之间的旋转平移矩阵,将源点云变换到目标点云相同的坐标系下。

 其中pt和ps是匹配好的点对,R和T为旋转平移矩阵 [参考]。

配准的核心问题:如何寻找匹配好的点对

1.1 点云配准分类

刚性配准 与 非刚性配准:

刚性配准:   旋转和平移操作(通常不改变大小)
非刚性配准:  还包括了缩放和裁剪等操作(难度更大了)

同源配准  与 异源配准 [参考]

点云配准 01(概念)_第2张图片

点云配准通常可分为两个步骤,分别是粗配准和精配准[参考]。

二、粗匹配

粗配准,即点云的初始配准,为精匹配提供一个旋转平移矩阵的初值,将两个位置不同的点云尽可能地对齐。粗配准的主流方法包括RANSAC、4PCS等。

经过粗配准之后,两片点云的重叠部分已经可以大致对齐,但精度还远远达不到自动驾驶车辆的定位要求,需要进一步做精配准。

如果有IMU和GNSS(GPS),则有一个初始的位姿,这样就可以把点云放到一起,只需要精匹配[参考]:

点云配准 01(概念)_第3张图片

三、精匹配

精配准指的是在初始配准的基础上,进一步计算两个点云近似的旋转平移矩阵。精配准的主流方法包括ICP、NDT、深度学习等。
 

四、点云配准流程

4.1 点云预处理

·去除噪声[参考]
·降采样


4.2 寻找 correspondence

提取特征点,线,平面,物体等等

找到对应的点,线,面,或者物体。


4.3 估计坐标转换关系 Rt

确定优化的目标函数使用非线性优化,估计R,t

你可能感兴趣的:(人工智能,算法)