一、簡(jiǎn)介
這是一個(gè)很有趣的功能，在真正進(jìn)入主題之前，讓我們先回顧一下點(diǎn)云與點(diǎn)云ICP算法的過程，如下圖所示：
（1）挑選發(fā)生重疊的點(diǎn)云子集，這一步如果原始點(diǎn)云數(shù)據(jù)量比較巨大，一般會(huì)對(duì)原始點(diǎn)云進(jìn)行下采樣操作。
（2）匹配特征點(diǎn)。通常是距離最近的兩個(gè)點(diǎn)，當(dāng)然這需要視評(píng)判的準(zhǔn)則而定。
（3） 加權(quán)。根據(jù)點(diǎn)的匹配程度對(duì)找到的對(duì)應(yīng)點(diǎn)進(jìn)行加權(quán)。
（4）抑制匹配點(diǎn)。根據(jù)匹配點(diǎn)的匹配程度來對(duì)一些質(zhì)量較差的點(diǎn)對(duì)進(jìn)行抑制（剔除）。
（5）誤差最小化。通過最小化距離的平方和來估計(jì)變換參數(shù)。
（6）點(diǎn)云變換。通過評(píng)估出的變換矩陣來轉(zhuǎn)換源點(diǎn)云。文章來源：http://www.zghlxwxcb.cn/news/detail-736713.html
整個(gè)過程除了最后一步，剩余的步驟已有大量的文獻(xiàn)進(jìn)行過探索和研究，那么點(diǎn)云與模型的配準(zhǔn)又有什么不同呢？主要的不同點(diǎn)就在于，匹配特征點(diǎn)的方式不同，點(diǎn)云與點(diǎn)云ICP過程中，往往只需要查找目標(biāo)點(diǎn)云中的最近點(diǎn)即可，但點(diǎn)云與模型的ICP配準(zhǔn)卻不能直接這樣做，這是因?yàn)槟Ｐ椭挥忻嫫木壒?，那么怎么去沿襲傳統(tǒng)的ICP算法呢？有需求就自然有解決問題的人，有學(xué)者就提出我們可以通過求解點(diǎn)到面片的最近點(diǎn)的方式，來構(gòu)建特征配準(zhǔn)點(diǎn)對(duì)，這也就可以使得經(jīng)典的ICP文章來源地址http://www.zghlxwxcb.cn/news/detail-736713.html
到了這里，關(guān)于Open3D 點(diǎn)云與模型ICP配準(zhǔn)（Python，詳細(xì)步驟版本）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
