一、简介

这是一个很有趣的功能，在真正进入主题之前，让我们先回顾一下点云与点云ICP算法的过程，如下图所示：

（1）挑选发生重叠的点云子集，这一步如果原始点云数据量比较巨大，一般会对原始点云进行下采样操作。
（2）匹配特征点。通常是距离最近的两个点，当然这需要视评判的准则而定。
（3）加权。根据点的匹配程度对找到的对应点进行加权。
（4）抑制匹配点。根据匹配点的匹配程度来对一些质量较差的点对进行抑制（剔除）。
（5）误差最小化。通过最小化距离的平方和来估计变换参数。
（6）点云变换。通过评估出的变换矩阵来转换源点云。

整个过程除了最后一步，剩余的步骤已有大量的文献进行过探索和研究，那么点云与模型的配准又有什么不同呢？主要的不同点就在于，匹配特征点的方式不同，点云与

词库加载错误:未能找到文件“E:\highferrum_mysql\Configuration\Dict_Stopwords.txt”。

上一篇：南京到北京的火车时刻表（南京到北京火车时刻表查询最新）南京站到北京列车时刻表南京到北京的火车时刻表

下一篇：C++中的利剑——vector的模拟实现

Open3D 点云与模型ICP配准（Python，详细步骤版本二）

文章目录

一、简介

相关内容

热门资讯