有各种点云配准的常用方法，包括ICP,Go -icp,cpd,IPFP,,MSTT,TPS-RPM,GOGMA,APM等等

重建过程包括三个部分：图像配准、非均匀性内插及去模糊与去噪。图像配准精度越高，超分辨率重建效果越好，而图像分辨率越高，则图像配准精度越高，并以此为基础提出了一种联合图像配准的超分辨率重建算法

图像配准技术及其MATLAB编程实现(陈显毅)电子书

K4PCS配准算法实现PCL

此代码在两组点之间呈现非刚性配准。 自由形式变形 (FFD) 已用于对源点（数据）上的变形进行建模，以便接近目标点（模型）。 它利用在形状边界中编码的曲率信息。 您可能在SDM-FFD文件夹中找到一个DEMO.m文件。 请加载 bunny_set.mat 或任何其他数据集来运行算法。 如果使用代码，请引用以下论文： Mohammad Rouhani，Angel Domingo Sappa：非刚性形状配准：单一线性最小二乘框架。 ECCV (7) 2012: 264-277

其实就是MATLAB里的一个函数啦 不是那个自动配准工具箱 这个是需要手动选点的 选完之后直接关掉页面就会自动算单应矩阵了，然后后面可以显示出来看看对的齐不齐，我后面应该加了些切割图像的代码（因为变完会显示黑边嘛 数值手动调调就行了），放这也是怕自己忘了或者删掉。

# Matlab 的 Umeyama Shinji Umeyama 在 1991 年提出了一种快速而简单的算法 [1] 来估计点云的旋转和平移以匹配相应的点。 这对于图像配准任务或使用双帧中的测量值校准两个坐标系非常有用。 该论文可以从斯坦福大学下载[2]。 该存储库包含作为 Matlab 函数的算法的直接实现。 它链接在 Mathworks Matlab Central 平台上。 ＃＃ 用法只需将该文件添加到您的 Matlab 路径并使用您的点集以 [3xn] 格式调用它。 请注意，点对应是基于两个点集的顺序； 因此两个矩阵必须具有相同的维度。 输出是一个 [3x3] 旋转矩阵和一个 [3x1] 变换向量： - **[R, t] = umeyama(X, Y)** *将点 Y 与点 X 匹配的变换估计* - **[R, t] = umeyama(X, Y, true)** *相同的输

经典图像匹配书籍，多看几遍受益良多,纯英文版外籍书籍

matlab开发-多模态非刚性图像配准算法。非刚性二维和三维图像配准与DEMON（流体）算法，扩展模式转换。

imreg_fmt是Reddy和Chatterji [1]最初描述的基于傅立叶-梅林变换的图像配准方法的实现。 给定一对图像，该算法计算将一个图像对准另一个图像所需的平移（x，y），比例和旋转。 提供了对该算法的简要说明。 该项目是Christoph Gohlke和MatějTýč（请参阅）的Python实现的部分移植。 它是用C ++编写的，适合于注册一系列图像（例如来自视频的图像）。 对于尺寸为320x240的图像，该算法在Intel Core i3（1.7 GHz）上以大约14 Hz的频率运行。 依存关系 fftw3 OpenCV2.4 本征 编译 mkdir build cd build cmake -DCMAKE_BUILD_TYPE=Release .. make Mac OS X 您可能需要在运行cmake时添加以下标志（请参阅） cmake -DCMAKE_BUI