拟线性有理配点法求解非线性奇异摄动问题，陈烨远，，本文提出一种使用拟线性有理配点法求解具有边界层在一端（左端或者右端）或具有内部过渡区域的两点边值问题的非线性奇异摄动问题

可见一红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个 核心问题，提出一种基于自适应特征点检测的可见一红外图像配准方法。方法本文提出的自适应特征点检测方 法，以Harris comer作为基本特征点；以特征点数目与空间分布为检测目标，从而自动地估计合适不同空间位置的 特征点的检测阈值。在特征点对匹配中，将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。 结果 自适应Harris comer检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相 融合的相似性匹配函数提高特征点的匹配率20％，降低配准误差50％。结论 本文提出的多传感器图像配准方 法能够快速、准确地实现可见光图像与红外图像之间的配准，在CCD—IR图像融合领域具有很好的实用价值。

传统Fourier配准算法存在较大插值误差，对于尺度变化大于2的图像配准效果较差。提出一种基于准极坐标的频域图像配准算法。利用准极坐标离散Fourier变换逼近极对数坐标离散Fourier变换，构造等角度的准极坐标网格，当转换为极对数坐标时，仅需要在极径方向上进行线性插值，从而代替极径和极角方向上的双线性插值。实验结果表明，该算法的配准率高于传统Fourier配准算法。

【书内资源】【配书源代码】单片机编程魔法师之高级裸编程思想

1、VS2015与PCL.1.9.1配置； 2、项目中包括代码及pcd点云数据； 3、对点云进行粗精配准，并且计算分析误差；

该资源为博客《激光雷达点云与单幅图像配准/映射变为彩色点云》案例中的点云数据。

该资源为博客《激光雷达点云与单幅图像配准/映射变为彩色点云》中所用的二维图像

针对在不同视角下所获得的三维点云数据，提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点，综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明，与传统ICP算法相比，该算法在运行时间与精确度上都有着明显的提升。

matlab icp源码项目目标： 开发用于将部分点云与 3D CAD 模型配准的管道 运行代码时涉及的步骤： 在你希望运行代码的目录中创建一个 BUILD 文件夹，CMkeLists.txt 和 CODE.cpp 传递给代码的参数应该放在构建中 代码接受 3 个参数参数 1 = Kinect 点云参数 2 = CAD 文件参数 3 = ICP 的迭代次数 CAD 文件的预处理： .stl 格式的 CAD 模型以毫米为单位转换为 .pcd 和米。 （将 cad 缩小 0.001） 获得可接受输出的重要约束条件： Kinect 位置不应该改变，因为 Kinect 相对于机器人底座的转换是在代码中硬编码的。 湾要注册的对象放置在一定高度。 在迄今为止获得的结果中，该物体被抬高到了 6-7 厘米以上。 （白色小立方体）在代码中，我们砍掉了 示例 CMakelists、用于获取 Kinect 相对于 Base 的转换的 Matlab 代码以及用于获取从 Kinect 到机器人 Base 的转换的 Matalb 代码都存在于 zip 文件中。 代码将使用“cmake ..”和“make”进行编译

利用ICP算法测试点云配准情况，并基于ICP算法，应用kd-tree与icp算法相结合的方式。对点云配对的指派问题进行更好的处理，从而得到更好的点云配准结果。本文采用的编程环境为MATLAB2022，文章末尾含ICP和icp与kd-tree相结合的核心代码即：放置的是函数文件，没有方式.m文件。 来源于大二期末大作业，做的一般，希望能够帮助到你。（通过latex生成的论文）