随机采样一致(ransac)算法是一种随机性的参数估计算法,利用Ransac可以实现采样一致性初始配准(SAC-IA)。采样一致性初始配准(SAC-IA)给出一个初始预估的刚性(Rigid)变换矩阵,为更精确的位姿估计算法(如ICP等)提供初始配准状态。

PCL点云库中封装了丰富的点云数据处理函数,利用PCL实现初始点云配准较为容易,于是博主就也实验了一下,效果还不错,就是时间耗费的问题,大概2000个点,迭代2000次,花了5s,实在是太慢了,代码托管在github,比较初级,欢迎指教。

代码

工程使用VS2013update5,pcl1.8.0

GitHub 仓库挂件 WordPress 插件

P-Chao / SAC-IA

Using PCL (Point Cloud Library) to Registration Point Cloud By SAC-IA, Initial Alignment

https://github.com/P-Chao/SAC-IA/releases

v1.0 只使用了SAC-IA 做初始配准

v2.0 后面还使用了ICP做更精细的配准,可能由于点云数据的关系,看不出什么效果

解释

首先对点云进行降采样,然后计算法向量,根据法向量和点云来计算特征,然后通过特征来进行初始点云配准。

在使用博主代码时,如果采用自己的点云数据,需要注意修改参数,各参数的含义看名字就应该能懂,工程架构直接看主函数就可以,比较基础。

结果

6 对 “PCL实现SAC-IA点云初始配准”的想法;

  1. 博主,不知是否可以看一看你做的ICP配准代码?我是一个初学者,对很多东西不是很了解 谢谢你

发表评论

电子邮件地址不会被公开。 必填项已用*标注