[学习opencv]Surface Matching之ICP
cv :: ppf_match_3d :: ICP类参考
该类实现了迭代最近点（ ICP ）算法的非常有效且稳健的变体。 任务是针对一组有噪声的目标数据注册3D模型（或点云）。 在某些测试之后，我自己将变体放在一起。 任务是能够快速匹配杂乱场景中的部分嘈杂点云。 您会发现我的重点是性能，同时保持准确性。 此实现基于Tolga Birdal的MATLAB实现，如下所示： http ： //www.mathworks.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme
详细说明
该类实现了迭代最近点（ ICP ）算法的非常有效且稳健的变体。 任务是针对一组有噪声的目标数据注册3D模型（或点云）。 在某些测试之后，我自己将变体放在一起。 任务是能够快速匹配杂乱场景中的部分嘈杂点云。 您会发现我的重点是性能，同时保持准确性。 此实现基于Tolga Birdal的MATLAB实现，如下所示： http ： //www.mathworks.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme主要贡献来自：
- Picky ICP ： http ：//www5.informatik.uni-erlangen.de/Forschung/Publikationen/2003/Zinsser03-ARI.pdf
- ICP 算法的有效变体： http ： //docs.happycoders.org/orgadoc/graphics/imaging/fasticp_paper.pdf
- 用于ICP 算法的几何稳定采样： https ： //graphics.stanford.edu/papers/stabicp/stabicp.pdf
- 多分辨率注册： http ： //www.cvl.iis.u-tokyo.ac.jp/~oishi/Papers/Alignment/Jost_MultiResolutionICP_3DIM03.pdf
- Kok Lim Low的点对平面度量的线性化： https ： //www.comp.nus.edu.sg/~lowkl/publications/lowk_point-to-plane_icp_techrep.pdf
-----------------------补充--------------------
标准ICP算法原理总结及基于二维的ICP算法原理
标准ICP算法
1计算最近点集
2计算变换矩阵
3应用变换矩阵
4目标函数计算与阈值判断
二维标准ICP算法
1激光数据点集匹配问题描述
2激光数据点集变换参数的求解
参考文献
1.标准ICP算法
1.1计算最近点集
1.2计算变换矩阵
1.3应用变换矩阵
1.4目标函数计算与阈值判断
2.二维标准ICP算法
由于最近项目为二维激光数据点集的匹配，所查阅文献也是激光这块的，所以部分名词都是激光的，但是核心原理其实是二维点集的匹配。
2.1激光数据点集匹配问题描述
2.2激光数据点集变换参数的求解
3.参考文献
[1] Besl P J, Mckay N D. Method for registration of 3-D shapes[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2002, 14(2):239-256.
[2] 戴静兰, 陈志杨, 叶修梓. ICP算法在点云配准中的应用[J]. 中国图象图形学报, 2007, 12(3):517-521.
[3] 李世飞, 王平, 沈振康. 迭代最近点算法研究进展[J]. 信号处理, 2009, 25(10):1582-1588.
[4] 赵明波, 何峻, 罗小波,等. 基于改进迭代最近点算法的两视角激光雷达数据配准[J]. 光学学报, 2012, 32(11):297-306.
[5] 渠瀛. 基于激光测距仪的移动机器人二维地图创建问题研究[D]. 国防科学技术大学, 2009.
---------------------
作者：吴小风风
来源：****
原文：https://blog.****.net/sinat_34165087/article/details/78567289?utm_source=copy
版权声明：本文为博主原创文章，转载请附上博文链接！