Realworks基于点云进行拼接思维导图

三维激光扫描多视点云拼接新方法 三维激光扫描多视点云拼接新方法

利用组合惯导的gps信息及四元素来拼接点云，同时实现拼接后每五帧点云迭代显示，并且拼接后拼接的点云转回了雷达坐标系，能够像处理单帧点云一样处理拼接后的点云（我拼接就是为了让点云线数更密），有很多地方可供大家参考和调试

geomagic点云拼接教程.通过多次测量一个物体得到几块外形点云。这几块独立点云需要拼接才能体显物体的完整形貌。在拼接之前需要对单个点云进行一些处理，以保证后面的拼接顺利完成。

使用主元分析法PCA对两片点云数据作粗略的拼接配准，可以作为ICP算法的预处理步骤。尝试规定了PCA主元向量的朝向。附带ply文件格式的bunny多视角数据。

读研期间做的文献复原，关键点提取、建立特征描述符、匹配特征点、RANSAC去除误匹配、坐标配准全部流程都走了一遍，用bunny数据做的测试，每一步都有画图，结果精度还不错。有没做好的地方欢迎指正。

[原创]根据文献使用matlab实现了PFH算法，并使用它对bunny数据进行了基于特征匹配和RANSAC的拼接实验。关键点选取和特征匹配部分是直接用的之前文献复原的内容(资源已发布)，仅用来测试PFH的有效性。由于运行速度过慢，我将代码分为三块，依次运行PFH_demo.m（关键点提取）、PFH_demo2.m（PFH计算，耗时）、PFH_demo3.m（拼接实验与结果展示）。代码中实现的是64维度的描述符，与PCL中的略有不同。关键点如果用3D harris效果应该会更好一点。

自己实现的经典ICP算法，采用PCA作了粗拼接，然后使用K-d树算法加速选取对应点，使用bunny数据进行了拼接实验，并计算了其RMS误差。经典ICP算法中不包含筛选删除误匹配点对的步骤，因此精度较低。

PCL1.8.0和VS2013用于点云的拼接，是已经编辑好的资源，点击.sln文件可以直接进行运行。如果其他版本的PCL或者VS，那么可以把里面的union.cpp添加到工程就可以直接运行了

这是两篇关于激光雷达点云数据的文献，一篇是有关于点云拟合算法，一篇是有关于点云模型拼接的，个人觉得还不错！