前言

點云通常用于測量物理世界表面。 它們應用于機器人導航和感知，深度估計，立體視覺，視覺注冊以及高級駕駛輔助系統（ADAS）。 計算機視覺系統Toolbox?算法提供點云處理功能，用于下采樣，去噪和轉換點云。 該工具箱還提供點云配準，適合三維點云的幾何形狀，以及讀取，寫入，存儲，顯示和比較點云的能力。 您還可以組合多個點云，使用迭代最近點（ICP）算法重建三維場景。
關于名字

在matlab的文檔里說的是Point Cloud Registration ， Registration一詞有注冊的意思，也有圖像配準和光柵重合的意思。這里顯然應該翻譯為，配準。
關于matlab點云的配準

您可以使用pcregistericp和pcregisterndt將移動點云注冊到固定點云。 這些配準算法分別基于迭代最近點（ICP）算法和正態分布變換（NDT）算法。 最佳性能需要調整數據屬性。 在使用點云注冊功能之前，請考慮使用pcdownsample對您的點云進行下采樣，從而提高注冊的準確性和效率。
點云的配準

讀入點云后
點云的下采樣

pcdownsample函數完成此操作。

ptCloudOut = pcdownsample(ptCloudIn,'random',percentage)
ptCloudOut = pcdownsample(ptCloudIn,'gridAverage',gridStep)
ptCloudOut = pcdownsample(ptCloudIn,'nonuniformGridSample',maxNumPoints)

三個參數對應的分別是 點云 ，下采樣方法，一個方法的屬性值。關于下采樣方法，以后再談，這個文章不關注這一細節方面。下采樣例子設置三維分辨率為(0.1 x 0.1 x 0.1).

ptCloud = pcread('teapot.ply');
gridStep = 0.1;
ptCloudA = pcdownsample(ptCloud,'gridAverage',gridStep);

figure;
pcshow(ptCloudA);‘

這個是matlab自帶例子可以直接運行。
點云的剛性變換

ptCloudOut = pctransform(ptCloudIn,tform)函數實現改功能;將指定的前向剛性變換應用于輸入點云。

A = [cos(pi/4) sin(pi/4) 0 0; ...
???? -sin(pi/4) cos(pi/4) 0 0; ...
???? 0 0 1 0; ...
???? 0 0 0 1];
tform = affine3d(A);

ptCloudOut = pctransform(ptCloud,tform);

figure
pcshow(ptCloudOut);
xlabel('X');
ylabel('Y');
zlabel('Z');

此處注意，tform 是一個affine3d object。使用了affine3d來完成參數的格式要求。
使用ICP算法配準兩個點云

pcregistericp函數。
關于算法的細節，我們只能另開一篇文章，否則，這個文章會變得又臭又長。ICP估計兩個點云的之間的剛性變換
直接看一個例子，就可以明白，該過程可以得到什么。

A = [cos(pi/6) sin(pi/6) 0 0; ...
??? -sin(pi/6) cos(pi/6) 0 0; ...
??????????? 0???????? 0? 1 0; ...
??????????? 5???????? 5 10 1];
tform1 = affine3d(A);
Transform the point cloud.

ptCloudTformed = pctransform(ptCloud,tform1);

pcshow(ptCloudTformed);
title('Transformed Teapot');

?

tform = pcregistericp(ptCloudTformed,ptCloud,'Extrapolate',true);

disp(tform1.T);
??? 0.8660??? 0.5000???????? 0???????? 0
?? -0.5000??? 0.8660???????? 0???????? 0
???????? 0???????? 0??? 1.0000???????? 0
??? 5.0000??? 5.0000?? 10.0000??? 1.0000
tform2 = invert(tform);
disp(tform2.T);
??? 0.8660??? 0.5000?? -0.0000???????? 0
?? -0.5000??? 0.8660??? 0.0000???????? 0
??? 0.0000?? -0.0000??? 1.0000???????? 0
??? 5.0000??? 5.0000?? 10.0000??? 1.0000

這里可以看到，配準后得到的是一個tform和 剛性變換的tform1 是同一個類型的數據,表示一個剛性變換，affine3d對象。
tfform是配準的成果。結果對比之下可以看到，估計的蠻準的。
這里列出其他用法，以后用空再談

tform = pcregistericp(moving,fixed)
[tform,movingReg] = pcregistericp(moving,fixed)
[___,rmse] = pcregistericp(moving,fixed)
[___] = pcregistericp(moving,fixed,Name,Value)

NDT算法配準兩個點云

tform = pcregisterndt（moving，fixed，gridStep）返回用固定點云注冊移動點云的剛性變換。 點云被體素化為大小為gridStep的立方體。
為了更直觀，還是看例子的效果 （moving fixed表示兩個點云）

?

movingDownsampled = pcdownsample(moving,'gridAverage',0.1);

gridStep = 0.5;
tform = pcregisterndt(movingDownsampled,fixed,gridStep);

movingReg = pctransform(moving,tform);
pcshowpair(movingReg,fixed,'VerticalAxis','Y','VerticalAxisDir','Down')

得到的tform仍然表示一個剛性變換，榮ICP的tform是一樣的。這里的pcshoowpair用于顯示兩組點云的不同之處。
點云的合并

ptCloudOut = pcmerge（ptCloudA，ptCloudB，gridStep）使用框網格過濾器返回合并的點云。 gridStep指定過濾器的3-D框的大小。

直接得到合并后的點云
存儲三維點云的對象

ptCloud = pointCloud(xyzPoints)
ptCloud = pointCloud(xyzPoints,Name,Value)

??? 1
??? 2

xyzPoints是一個 M-by-3 or an M-by-N-by-3 的矩陣。 函數得到的是一個點云對象。

點云對象的存儲以前說過了。

總結

以上是生活随笔為你收集整理的matlab点云配准（总结性）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。