最优PCL模板对齐设置
最优PCL模板对齐设置
提问于 2019-04-25 14:29:50
我得到两点云(以毫米为单位)，一个是从标准物体(99999点)中取样的“网格”，第二个是由3D凸轮拍摄的物体的点云(约30841点)。我正在使用这个PCL教程的代码进行模板匹配：alignment.php。在此之后，我将使用PCL ICP代码进行最终校准。但是，从模板对齐的角度来看，我仍然得到了相当糟糕的初始猜测。(例如，不轮换，半赛，.)
我尝试从以下几个方面更改设置：
normal_radius_(0.02f)
feature_radius_(0.02f)
min_sample_distance_(0.05f)
max_correspondence_distance_(0.01f * 0.01f)
nr_iterations_(50)对此：
normal_radius_(2.0f)
feature_radius_(2.0f)
min_sample_distance_(0.5f)
max_correspondence_distance_(1.0f * 1.0f)
nr_iterations_(1000)有谁能给我一些改进代码的建议吗？谢谢!
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-05-02 01:13:08
与分辨率有关的参数也应与点云的分辨率相关联。对象大小相关的Parameret也应该根据对象的大小来设置。
下面是一些例子：
normal_radius: 4-8 * <resolution>为了计算好的法线，下垫面必须有足够的点来表示一个稳定的曲面。如果您的单元位于mm中，那么您就选择了2mm的半径，这太小了。feature_radius: 1-2 * <normal_radius>计算特性和法线也是如此。max_correspondence_distance:--您将这个值设置为1mm*1mm，这意味着，通讯员只能是1mm，才能被归类为通信。在这里，使用与对象大小相关的值是很重要的。你应该扪心自问：“我的对象和引用之间的最大允许距离是多少，这样我的对象仍然是匹配的？”如果您正在比较faces，则应该使用一些centimeters，例如1cm-5cm，因为脸相当小。但是假设你想要比较像建筑物这样的大物体。在那里，您可以在1m之前使用值。- 这里的
min_sample_distance:与max_correspondence_distance几乎一样。你应该扪心自问：“一个样本离另一个样本有多远？”值越小，你得到的样本就越多。同样，选择一个值，它是对象大小的一小部分，但也要考虑它不应该小于云的分辨率。您将其设置为0.5mm，这太小了。 nr_iterations:通常不那么重要，但100-500之间的值是合理的。
Stack Overflow用户
发布于 2019-05-02 05:44:25
normal_radius_：
- 根据你的云的密度来选择(你希望它足够大来捕捉环境中的足够多的点-如果它太小，正常将是噪音，直到完成垃圾或无法计算)
- 考虑到云的平滑性(你希望它足够小，这样就可以正确地将本地环境近似于一架飞机--如果它太大，正常情况就会太平滑，而忽略小细节)
min_sample_distance_
- 主要是计算方面。取样距离越大，工作速度越快。
- 如果它太大，你就会失去对齐的准确性。
feature_radius_
- 你需要考虑你有多大的区分结构/形状。
- 例如，我的特征半径约为模型大小的十分之一，我已经取得了成功。
max_correspondence_distance_
- 取决于你的开始条件-两个对应的点能有多远。使用一些启发式提供一个初始猜测可以帮助您减少这个参数，并提高性能和结果。
- 请注意，这是平方距离。
在您的例子中是(同一对象的两个云)，如果您的云有法线，那么完全不用SampleConsensusInitialAlignment就可以实现一个很好的初始猜测。只需对齐两种云的平均法线。您可以将以下方法应用于两种云，以便将它们置于“规范化”位置和方向：
void ToOrigin(pcl::PointCloud<pcl::PointXYZINormal>::Ptr cloud, Eigen::Affine3f & transformation, Eigen::Vector3f up, float resolution)
{
// Calc Origin
pcl::PointXYZINormal origin;
auto size = cloud->points.size();
for (auto pointItr = cloud->begin(); pointItr != cloud->end(); pointItr++)
{
origin.getArray3fMap() += pointItr->getArray3fMap() / size;
origin.getNormalVector3fMap() += pointItr->getNormalVector3fMap();
}
origin.getNormalVector3fMap().normalize();
// Calc Transformation
auto proj = origin.getNormalVector3fMap().dot(up) * origin.getNormalVector3fMap();
// the direction that will be rotated to y_axis
// (the part of "up" that is perpendicular to the cloud normal)
auto y_direction = (up - proj).normalized();
// the direction that will be rotated to z_axis
auto z_direction = origin.getNormalVector3fMap();
// the point that will be shifted to origin (0,0,0)
auto center = origin.getArray3fMap();
pcl::getTransformationFromTwoUnitVectorsAndOrigin(y_direction, z_direction, center, transformation);
// Transform
pcl::PointCloud<pcl::PointXYZINormal> cloud_tmp;
pcl::transformPointCloudWithNormals(*cloud, cloud_tmp, transformation);
pcl::copyPointCloud(cloud_tmp, *cloud);
}页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55851744
复制相关文章
相似问题
腾讯云开发者
