使用c#调用emgu编写的配准程序。

图像配准、特征检测源代码，是基于surf算法编写的。

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

RIFT-multimodal-image-matching-main.zip

这个是经典的点云配准算法，可以正常运行，简洁易懂。

此思维导图为本人目前阅读的2019-2021年关键词为RANSAC的部分关于图像配准的论文小结，侵权删，如若发现问题请联系本人进行修改QQ:977043768，感谢

【图像配准】基于Horn-Schunck和Lucas-Kanade等光流场实现图像配准matlab源码含GUI界面.md

算法实现了图像的最大特征点配准。稳定性好，质量高

双目测距算法，利用两个摄像头读入视频，进行配准定位，进行测距

点云配准是基于RGB-D(RGB-depth)传感器的室内场景重建的关键技术之一。针对稀疏建图中关键帧间的点云配准问题,提出一种基于改进的随机采样一致性(RANSAC)的场景分类点云粗配准算法。首先分别利用几何信息与光度信息进行关键点的检测、描述与匹配,然后由场景分类算法判断场景类别,适应性地结合几何匹配与光度匹配,最后提出一种改进的RANSAC算法,通过有偏重的随机采样与自适应的假设评价,对关键帧间的变换矩阵进行估计。采用公开的RGB-D数据集对整体的点云粗配准算法进行实验验证,并与多种算法进行比较。实验结果表明,该点云粗配准算法能够实现稳健有效的变换矩阵估计,有助于后续的精配准与整体的室内场景重建。