对强噪声且密度不均匀的点云进行高效、高精度配准是一个难题。针对此难题,提出一种基于关键点提取与优化迭代最近点(ICP)的点云配准算法。在粗配准中,将体素格滤波与法向距离关键点的提取相结合,计算关键点的快速点特征直方图以进行特征匹配,然后采用对应关系估计优化随机采样一致性(RANSAC)算法以进行误匹配剔除。在精配准中,采用最优节点优先(BBF)算法搜索k-d tree最近点,设定动态阈值消除误配对,最后利用基于“点到三角面”模型的加速ICP算法计算配准向量。通过对模型点云和建筑物点云进行配准,将所提算法与其他常用的算法进行比较分析。实验表明,所提算法具有良好的稳健性和抗噪性,能显著提升配准速度和配准精度。

harris特征点 图像配准 对提取的harris角点采用算法进行图像的配准

针对交叉口入口路段交通视频中存在车辆遮挡严重、频繁走停以及频繁换道插队等特点，提出了一种获取交叉口停车线后大视野范围内车流量以及车辆换道率的检测方法。首先采用多级虚拟特征线生成多级时空图，对车辆进行快速检测和分割，获得车辆候选区域；然后对车辆候选区域内局部特征点进行初步分组和跟踪，并根据相同组内特征点运动趋势相似性来修正分组，解决车辆遮挡问题，用于检测车辆换道率；最后将多级时空图与特征点跟踪相结合，进行相互反馈，实现对车辆准确分割和鲁棒跟踪，避免车辆行驶中走停的影响。实验结果表明，通过该方法能实时准确地获取大视野范围内交叉口入口路段车流量和车辆换道率的交通参数。

计算两张图的仿射变换角度与图像拼接

orb代码提取，其实orb有时候的效果挺不好 的。可以试试oRB——flann

此代码基于MFC编程，在VS2013下可以运行，用Opencv+OpenGL求取obj点云模型的脊谷点（特征点），注释清晰明了！

数控编程的特征点.pdf

opencv for python 的视频与图片的特征点对比

对标商汤和face++的人脸识别关键点/人脸特征点，无抖动和对环境有很好的鲁棒性。

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。