文章Coarse Alignment for Model Fitting of Point Clouds Using a Curvature-Based Descriptor解读一

为了能更深入的理解文章内容，所以进行记录

基于曲率描述的模型点云粗配准

本文应用在自动化生产场景，在此场景中，物体的模型是已知的，都是通过cad设计的模型，但是在自动化产线上，实际产线上的物体是通过工业相机获取的点云数据，因此对于机器来说，如果要从获取到的产线上物体所在的位置以及方位，就需要通过配准获取的点云数据以及已知的cad的模型来求得运动矩阵，从而规划出对应的路径。

本文提出了一种基于局部曲率的新的描述，从依据表面的协方差矩阵计算出的形状描述中选择关键点，利用《共形几何代数》理论计算形状描述球体。这是一种有效的方便的表述形状特征的方法（利用共形几何代数计算球体还没看懂），当点云以及模型的描述得到之后，就可以根据这些描述进行求解配准矩阵了

Note to Practitioners只是描述了粗配准的研究意义

引言部分，点云配准在分为两个子问题：计算两个点云之间的位移和估计点云之间点对应关系。目前的方法，ICP用法最广泛，分为粗配准和精配准。一般情况下为了得到全局的最优配准，两种方法都会用到。粗配准查找初始对齐参数，作为icp等精配准的初始条件。因为icp配准方法对初始条件是强依赖关系。

icp在内的精配准方法都是基于期望最大化算法。但是期望最大化算法的局限性是，只能收敛到局部最优，如果要考虑全局最优，那么必须要靠全局优化技术，如go-icp，或者利用sparse icp，否则就需要极好的初始化条件参数，粗配准则可以实现这个优化初始化条件参数计算，

至此，文章的目的引出来了，粗配准是一种为精配准提供good initial conditions的方法。我们用了一种新的描述关键点的方式，用来实现粗配准。下面就该详细讲解粗配准的概念了。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！