cv::ppf_match_3d::ICP 类参考

此类实现了一种非常高效且鲁棒的迭代最近点 (ICP) 算法变体。任务是将 3D 模型（或点云）与一组噪声目标数据进行配准。这些变体是在经过某些测试后由我自己组合在一起的。任务是要能够快速匹配杂乱场景中的部分、噪声点云。你会发现我强调的是性能，同时保持准确性。此实现基于 Tolga Birdal 在此处的 MATLAB 实现： http://www.mathworks.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme 主要贡献来自： 更多...

#include <opencv2/surface_matching/icp.hpp>

cv::ppf_match_3d::ICP 的协作图

公有类型
枚举	{   ICP_SAMPLING_TYPE_UNIFORM = 0 ,   ICP_SAMPLING_TYPE_GELFAND = 1 }

公有成员函数
	ICP ()
	ICP (const int iterations, const float tolerence=0.05f, const float rejectionScale=2.5f, const int numLevels=6, const int sampleType=ICP::ICP_SAMPLING_TYPE_UNIFORM, const int numMaxCorr=1)
	ICP 构造函数，具有默认参数。
virtual	~ICP ()
int	registerModelToScene (const Mat &srcPC, const Mat &dstPC, double &residual, Matx44d &pose)
	执行配准。
int	ICP (const Mat &srcPC, const Mat &dstPC, std::vector< Pose3DPtr > &poses)
	使用多个初始位姿执行配准。

详细描述

此类实现了一种非常高效且鲁棒的迭代最近点 (ICP) 算法变体。任务是将 3D 模型（或点云）与一组噪声目标数据进行配准。这些变体是在经过某些测试后由我自己组合在一起的。任务是要能够快速匹配杂乱场景中的部分、噪声点云。你会发现我强调的是性能，同时保持准确性。此实现基于 Tolga Birdal 在此处的 MATLAB 实现： http://www.mathworks.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme 主要贡献来自

1. 挑剔的 ICP: http://www5.informatik.uni-erlangen.de/Forschung/Publikationen/2003/Zinsser03-ARI.pdf
2. ICP 算法 的高效变体： http://docs.happycoders.org/orgadoc/graphics/imaging/fasticp_paper.pdf
3. ICP 算法 的几何稳定采样： https://graphics.stanford.edu/papers/stabicp/stabicp.pdf
4. 多分辨率配准： http://www.cvl.iis.u-tokyo.ac.jp/~oishi/Papers/Alignment/Jost_MultiResolutionICP_3DIM03.pdf
5. Kok Lim Low 对点到平面度量的线性化： https://www.comp.nus.edu.sg/~lowkl/publications/lowk_point-to-plane_icp_techrep.pdf

成员枚举文档

匿名枚举

匿名枚举

枚举器
ICP_SAMPLING_TYPE_UNIFORM
ICP_SAMPLING_TYPE_GELFAND

构造函数和析构函数文档

ICP() [1/2]

cv::ppf_match_3d::ICP::ICP ( )

inline

Python
	cv.ppf_match_3d.ICP(		) ->	<ppf_match_3d_ICP 对象>
	cv.ppf_match_3d.ICP(	iterations[, tolerence[, rejectionScale[, numLevels[, sampleType[, numMaxCorr]]]]]	) ->	<ppf_match_3d_ICP 对象>

~ICP()

virtual cv::ppf_match_3d::ICP::~ICP ( )

inlinevirtual

ICP() [2/2]

cv::ppf_match_3d::ICP::ICP ( const int  iterations, const float  tolerence = 0.05f, const float  rejectionScale = 2.5f, const int  numLevels = 6, const int  sampleType = ICP::ICP_SAMPLING_TYPE_UNIFORM, const int  numMaxCorr = 1  )

inline

Python
	cv.ppf_match_3d.ICP(		) ->	<ppf_match_3d_ICP 对象>
	cv.ppf_match_3d.ICP(	iterations[, tolerence[, rejectionScale[, numLevels[, sampleType[, numMaxCorr]]]]]	) ->	<ppf_match_3d_ICP 对象>

ICP 构造函数，具有默认参数。

参数

[in]	iterations
[in]	tolerence	控制 ICP 每次迭代的配准精度。
[in]	rejectionScale	为了鲁棒性，应用了鲁棒的异常值拒绝。此值实际上对应于标准差系数。拒绝比例 * &sigma 的点在配准期间将被忽略。
[in]	numLevels	要进行的金字塔层数。深金字塔提高了速度，但降低了精度。金字塔太粗可能会在不准确的配准之外产生计算开销。应选择此参数以优化平衡。典型值范围为 4 到 10。
[in]	sampleType	当前，此参数被忽略，仅应用统一采样。将其保留为 0。
[in]	numMaxCorr	当前，此参数被忽略，仅应用 PickyICP。将其保留为 1。

成员函数文档

registerModelToScene() [1/2]

int cv::ppf_match_3d::ICP::registerModelToScene	(	const Mat &	srcPC,
		const Mat &	dstPC,
		double &	residual,
		Matx44d &	pose
	)

Python
	cv.ppf_match_3d.ICP.registerModelToScene(	srcPC, dstPC	) ->	retval, residual, pose
	cv.ppf_match_3d.ICP.registerModelToScene(	srcPC, dstPC, poses	) ->	retval, poses

执行配准。

参数

[in]	srcPC	模型的输入点云。预计具有法线 (Nx6)。当前，CV_32F 是唯一支持的数据类型。
[in]	dstPC	场景的输入点云。假设模型在场景上配准。场景保持静止。预计具有法线 (Nx6)。当前，CV_32F 是唯一支持的数据类型。
[out]	residual	输出配准误差。
[out]	pose	srcPC 和 dstPC 之间的变换。

返回值

成功终止后，函数返回 0。

假设模型在场景上配准。场景保持静止，而模型进行变换。输出位姿将模型变换到场景上。由于点到平面最小化，场景预计具有法线可用。预计具有法线 (Nx6)。

registerModelToScene() [2/2]

int cv::ppf_match_3d::ICP::registerModelToScene	(	const Mat &	srcPC,
		const Mat &	dstPC,
		std::vector< Pose3DPtr > &	poses
	)

Python
	cv.ppf_match_3d.ICP.registerModelToScene(	srcPC, dstPC	) ->	retval, residual, pose
	cv.ppf_match_3d.ICP.registerModelToScene(	srcPC, dstPC, poses	) ->	retval, poses

使用多个初始位姿执行配准。

参数

[in]	srcPC	模型的输入点云。预计具有法线 (Nx6)。当前，CV_32F 是唯一支持的数据类型。
[in]	dstPC	场景的输入点云。当前，CV_32F 是唯一支持的数据类型。
[in,out]	poses	输入位姿，用于开始，但也是位姿的输出列表。

返回值

成功终止后，函数返回 0。

假设模型在场景上配准。场景保持静止，而模型进行变换。输出位姿将模型变换到场景上。由于点到平面最小化，场景预计具有法线可用。预计具有法线 (Nx6)。

---

此类的文档是从以下文件生成的

• opencv2/surface_matching/icp.hpp