CloudCompare |
您所在的位置:网站首页 › cloudcompare源码解析 › CloudCompare |
目录
1.粗配准2.精配准3.合并点云4.去除重叠点5.附:手算配准精度5.1 精确选取同名点5.2 计算配准误差
6.相关链接
1.粗配准
使用Tools-> Registration -> Align (point pairs picking)工具手动选取匹配点对。此工具允许用户通过在两个实体中拾取至少三个等效点对来对齐两个实体。此方法对于非常精确地对齐云非常有用。有时,这甚至是获得良好结果的唯一途径(通常情况下,如果两个云在很大程度上存在巨大差异,则ICP配准将无法正常工作)。从2.6版本开始,可以直接在网格上使用此工具-这样您可以配准两个点云、一个点云和一个网格或两个网格。
进行配准: 一旦选择了至少3对或更多对同名点,就可以使用align按钮预览结果。能在表中看到每个点对匹配点对的错误贡献(例如,删除并再次拾取最差的对)。可以随时向这两个集合添加新点(即使在按下align按钮之后也是可以的),以便添加更多约束并获得更可靠的结果。如前所述,还可以删除每个表上方带有专用图标或每个点旁边带有X图标的点。 精配准使用的是ICP算法。ICP算法的主要参数: 高级参数: ![]() 对于地面三维激光扫描仪多视角、多测站扫描采集的点云,配准之后往往需要将不同视角的点云合并为一个整体。操作如下: 由于配准后的点云具有重叠区域,重叠区域的点云密度会比较大,也可能由于配准误差的存在导致融合后的点云存在重影现象,影响三维建模的效果。需要去除重叠的点,或进行等密度抽稀。去除重叠的点,操作如下: 同名点为图像中的概念,当匹配点对一一对应的时候可以叫做同名点。认为:手动选取的对应点为绝对一一对应。软件会自动计算出对应点之间的距离,如上图所示。 5.2 计算配准误差 import numpy as np a = np.array([0.127004, 0.148904, 0.097030, 0.079241, 0.038671, 0.061479]) rmse = np.linalg.norm(a)/ np.sqrt(a.size) print("RMSE=", rmse) 6.相关链接[1] PCL ICP算法实现点云精配准 [2] PCL 点云合并(两个点云中的数据或字段连接) [3] PCL 删除点云中重叠的点 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |