点云配准
Published:
research journal, 2014.4.
前期工作
特征点的提取与匹配
1.角点检测：FAST（Features from Accelerated Segment Test）使用直径为3、4个像素的圆周作为检测模板；如果圆周上存在n个连续像素，它们的亮度均高于候选像素亮度Ip和阈值t之和，或，它们的亮度均低于Ip- t，则模板中心对应像素为角点。
2.特征描述符：BRIEF（Binary Robust Independent Elementary Features），选择n个二值测试的像素对，BRIEF描述符是n位的比特串。
3.处理时间统计（特征点数量：~1500/帧）
| 处理时间 | |
|---|---|
| Fast角点检测 | 10ms |
| Brief描述符生成 | 10ms |
| 特征点匹配 | 60ms |
粗匹配
将特征点投影到三维空间，用Ransac算法完成粗匹配，匹配时间约240ms。
- 在匹配好的点对中随机选出三个点对，确定一个变换RT。
- 将RT作用于所有匹配点对，筛选出符合RT变换的点对（内点），记内点数count。
- 循环执行1~2，直到内点数count到达一个阈值，或者迭代次数超过一个阈值，停止迭代。
- 记此时的变换RT为粗匹配的结果。
| 第n次匹配 | ICP时间（ms） |
|---|---|
| 1 | 294 |
| 2 | 291 |
| 3 | 246 |
| 4 | 251 |
| 5 | 215 |
| 6 | 230 |
| 7 | 252 |
| 8 | 259 |
| 9 | 246 |
后期工作思路
提高匹配过程的鲁棒性
在用特征点粗匹配失效时提供备选策略
在粗匹配的实现中考虑图像中的其它信息，如颜色、纹理等。
加入学习机制，建立地图的高层描述。