一.对数据的输入
A、如何获取你的点云数据(使用什么设备,查找相应设备的介绍,设备的精度、稳定度、抗噪能力、数据的可视深度范围等,采用无标记点融合,或标记点融合;要考虑多帧数据之间的旋转角度);
B、如何将你的数据对象从环境中分割出来(识别分割、手动分割CC),深度学习若能做分割,并且针对特定对象的效果还行的话,再结合PCL做多帧数据的融合,是一个创新点(前提是提高效率);
C、对数据的输入输出要掌握,一般程序都是一样的,复制粘贴即可。
二、对数据的预处理(融合肯定至少两帧数据)
A、数据是否有噪声:根据噪声的类别,选择合适的算法进行去除(直通滤波、条件滤波、统计滤波、双边滤波等等);
B、数据是否需要下采样:体素栅格滤波(参数的设置,必须保证纹理特征)
C、数据是否需要渲染(看数据本身)
三、粗配准
A、算法的选择(粗配准有很多算法,根据自己的目的,参考北航出的国内唯一一本PCL的书,同时兼顾PCL官网的更新内容,目前已经出PCL.9版本的新功能);
B、粗配准执行前的准备:是否需要计算法向量、是否建立空间拓扑关系、采用何种特征描述进行特征提取或估计(这取决于你的算法的搭配以及你的目的);
C、是否需要剔除多余点对(加快后续精配准速度);
D、执行计算,并输出粗配准融合点云对象,输出粗配R和T,输出粗配时间。是否可视化取决于自己。
四、精配准
A、算法的选择(精配准有很多算法,根据自己的目的,参考北航出的国内唯一一本PCL的书,同时兼顾PCL官网的更新内容);
B、精配准执行前的准备:是否建立空间拓扑关系(一般需要建立,加快计算速度);
C、是否需要剔除错误点对(一般需要剔除,提高融合精度。书以及官网都可查阅);
D、执行计算,并输出精配准融合点云对象,输出精配R和T,输出精配时间,并可视化(保存或可视化都行)。
五、判据
A、一般算法内部自带有判据函数,调用输出即可;
B、通过体积设计判据准则(这一点我只提示到这里);
C、通过法线夹角阈值判断;
D、通过点间距设计判断准则。