4PCS与Super4PCS算法原理介绍
目录
- 一、概述
- 1、四点一致性集算法(4PCS)
- 2、Super 4PCS
- 二、代码
一、概述
目前最先进的点云配准方法是基于一致性四点集(4-Point Congruent Sets,4PCS)的一系列算法,也是目前对于低重叠率点云最有效的配准方法,可以处理任意初始位置的点云数据。4PCS利用RANSAC的思想,首次将运算复杂度从 O ( n 3 ) O(n^3) O(n3)降低到 O ( n 2 ) O(n^2) O(n2),Super 4PCS算法使用和4PCS相同的原理,并在搜索方式上做出了改进,将复杂度 O ( n 2 ) O(n^2) O(n2) 降低到 O ( n ) O(n) O(n) 。
基于局部几何特征的配准算法在点云数据包含的噪声点较多、重叠率较低的点云数据中往往可靠性不高,导致配准结果不理想。Dior Aiger 等人通过 RANSAC 的思想,利用点云数据刚体变换中相交线段的交比不变这一性质,在全局范围内搜索对应的一致性四点集,并根据最佳的一致性对应关系计算变换矩阵,完成点云数据的配准。但是这个算法在配准时间上有两个瓶颈,因此激发了 Super 4PCS 配准算法,该算法以 4PCS 为基础,在搜索阶段做出一些改进,引入了角度约束和智能索引,将复杂度从二次降低到线性时间,提高一致性四点集的查找速度。 由于 Super4PCS 算法的基本原理与最基础的 4PCS 算法相同,首先详细介绍4PCS 的原理,说明 Super4PCS 算法相对于 4PCS 的改进内容。
1、四点一致性集算法(4PCS)
2、Super 4PCS
二、代码
- PCL 4PCS算法实现点云粗配准【2024最新版】
- PCL Super4PCS算法实现点云粗配准(版本一)
- PCL Super4PCS算法实现点云粗配准(版本二)