點雲匹配和ICP演算法概述
【原文:http://www.cnblogs.com/yhlx125/p/4955337.html】
Iterative Closest Point (ICP) [1][2][3] is an algorithm employed to minimize the difference between two clouds of points.
點雲匹配分類法(1)
Salvi, J. (2007). "A review of recent range image registration methods with accuracy evaluation." Image and Vision Computing 25(5): 578-596.
Mellado, N. and D. Aiger (2014). "SUPER 4PCS Fast Global Point cloud Registration via Smart Indexing."
點雲匹配分類法(2)
Coarse to fine registration粗-精過程
粗配的目的:提供剛體變換初始估計
Salvi, J., et al. (2007).
改進ICP演算法
Besl, P. J. and N. D. Mckay (1992). "A Method for Registration of 3-D Shapes." IEEE Transactions on Pattern Analysis and Machine Intelligence 14(2): 239-256.
Siegwart, R., et al. (2015). "A Review of Point Cloud Registration Algorithms for Mobile Robotics." Foundations and Trends in Robotics.
ICP演算法求解
問題
解決方法
Bergström, P. and O. Edlund (2014). "Robust registration of point sets using iteratively reweighted least squares."
H. Pottmann, S. Leopoldseder, and M. Hofer. Simultaneous registration of multiple views of a 3D object. ISPRS Archives 34/3A (2002), 265-270.
Andreas Nüchter(2008).3D Robotic Mapping-The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom
標準ICP
標準ICP演算法是最早提出的基於點-點距離的演算法,另外一種是基於點-面的演算法,由chen提出,好多文獻所說的惡Chen's Method。
標準的ICP演算法需要粗配,滿足距離足夠近這一條件之後才能進行精確配準。
IDC
The idc algorithm does a point-to-point correspondence for calculating the scan alignment. The correspondence problem is solved by two heuristics: the closest point rule and the matching range rule. Furthermore, a formula is provided for calculating an error covariance matrix of the scan matching
穩健ICP
由於Outliner的存在,即觀測誤差和離群點存在,以及部分重疊問題,粗配之後的資料再進行精配的過程中仍然存在不穩健的問題(Robust問題),因此提出了穩健ICP方法。如SICP,IRLSICP
MBICP
...
一般的ICP演算法(上述的)是區域性優化演算法,還存在全域性優化的問題,即不需要單獨粗配,直接一步到位。很多的ICP演算法都是穩健的方法,但是並不是全域性的優化方法。全域性的方法有Super4PCS、三點Ransac等。
http://www.mathworks.com/matlabcentral/fileexchange/12627-iterative-closest-point-method
http://www.mathworks.com/matlabcentral/fileexchange/27804-iterative-closest-point
http://projects.asl.ethz.ch/datasets/doku.php?id=laserregistration:laserregistration
相關文章
- PCL之ICP演算法演算法
- 字串匹配-BF演算法和KMP演算法字串匹配演算法KMP
- MySQL MRR和ICP介紹MySql
- 二分圖的最大匹配、完美匹配和匈牙利演算法演算法
- Point Cloud Library學習之ICP迭代最近點匹配法NDT2D正態分佈轉換法Cloud
- ICP證和EDI證的區別
- 【TUNE_ORACLE】Oracle索引設計思想(一)索引片和匹配列概述Oracle索引
- 點雲學習在自動駕駛中的研究概述自動駕駛
- 字串匹配演算法之 BF 和 KMP 講解字串匹配演算法KMP
- 模式匹配-KMP演算法模式KMP演算法
- Shi-Tomas檢測和SHIF角點匹配
- 3分鐘搞清ICP和SP證區別
- 雲原生架構概述架構
- uniCloud雲函式概述---雲物件Cloud函式物件
- ASP.NET MVC概述:優點和特色一覽ASP.NETMVC
- A*搜尋演算法概述演算法
- 國密演算法概述演算法
- Round Robin演算法概述演算法
- 字串匹配演算法(一)字串匹配演算法
- KMP模式匹配演算法KMP模式演算法
- 字串匹配演算法:KMP字串匹配演算法KMP
- KMP字串匹配演算法KMP字串匹配演算法
- 字串匹配KMP演算法初探字串匹配KMP演算法
- 【技術點】計算機基礎演算法——排序 & 搜尋 & 字串匹配計算機演算法排序字串匹配
- 字串匹配演算法(三)-KMP演算法字串匹配演算法KMP
- 【資料結構與演算法】字串匹配(Rabin-Karp 演算法和KMP 演算法)資料結構演算法字串匹配KMP
- 什麼是反向 ETL?概述、用例和主要優點
- UDEV規則的匹配鍵和RAW的一點說明dev
- 模式匹配kmp演算法(c++)模式KMP演算法C++
- 字串匹配之KMP《演算法很美》字串匹配KMP演算法
- 字串匹配問題——KMP演算法字串匹配KMP演算法
- 字串匹配之Sunday演算法字串匹配演算法
- 串(2)--模式匹配演算法模式演算法
- c#-SimHash匹配相似-演算法C#演算法
- 字串查詢演算法總結(暴力匹配、KMP 演算法、Boyer-Moore 演算法和 Sunday 演算法)字串演算法KMP
- spring知識點概述Spring
- SAP雲平臺架構概述架構
- xpath節點匹配簡易教程