pcl 的 IterativeClosestPoint 没有给出预期的结果

Question

我得到了两个点云。为了匹配他们，我尝试使用 ICP 进行注册。点云不是非常相似，但我至少想让它们非常接近。

当使用 pcl 库中的 IterativeClosestPoint 时，当我使用我的点云 A 作为源并使用点云 B 作为目标时，这会起作用。但是当我使用 B 作为源和 A 作为目标时它不起作用。在后一种情况下，它甚至增加了我两朵云之间的距离。

有谁知道我做错了什么？为什么更改 source/target 时性能会有所不同？

这是我的代码：

pcl::IterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> icp;  
icp.setInputSource(A);
icp.setInputTarget(B);
icp.setMaximumIterations(50);
icp.setTransformationEpsilon(1e-8);
icp.setEuclideanFitnessEpsilon(1);
icp.setMaxCorrespondenceDistance(0.5); // 50cm
icp.setRANSACOutlierRejectionThreshold(0.03);
icp.align(aligned_model_cloud);

我很高兴收到任何想法和意见。

编辑：这是两朵云 Cloud A Cloud B

更新： 我使用 Cloud A 作为源并使用 Cloud A* 作为目标尝试了我的代码。其中 Cloud A* 是 Cloud A 的副本，仅在 x 轴上进行了翻译。我用 Cloud B 做了同样的实验，两者都能够在 icp 中成功收敛。

但是一旦我使用 Cloud B 作为源和 Cloud A 作为目标，它就不再起作用并且在移动云一点点（即使是错误的方向）后收敛。我检查了convergecriteria，发现它是CONVERGENCE_CRITERIA_REL_MSE（当transfromationEpslion几乎为零时）。我试着减少相对 MSE icp.getConvergeCriteria()->setRelativeMSE(1e-15) 但这没有成功。在收敛后检查 relativeMSE 的值时，我得到这样的结果：-124034642 这对我来说根本没有任何意义。

Update2: 我先在没有 ICP 的情况下将云移得很近。执行此 ICP 时效果很好。

Update3: 我正在做 FPFH 以进行初步估计，然后进行 ICP。这样做也行。

Answer 1

这个问题很老了，OP 已经找到了解决方案，但我只是解释一下，以防 OP 和有人觉得它有用。

首先，ICP 的工作原理是迭代估计两个云之间的对应关系，然后最小化它们之间的总体距离。 ICP 使用最近点数据关联估计对应关系（因此得名迭代最近点）。

如您所知，最近邻图是有向的。也就是说，如果 A 点有 B 作为它的最近邻居，那么 B 点可能没有 A 作为它的最近邻居，因为 C 比 A 更接近 B！

现在 ICP 使用最近点数据关联来估计两个云之间的对应关系，指定 A 作为源将得到与指定 B 不同的对应集。这解释了您观察到的差异。

通常差异很小，ICP后您可能不会注意到。但在你的情况下，我发现你提供的两朵云太不一样了（一个特别大，另一个小），关系变得太不对称了。

如果你想确保结果是对称的，你可以只更改数据关联步骤（PCL 可能会提供这样做的选项）以使最近点对应来自两个云（这是只是经典ICP的一个变体。更多信息你可以看我的other answer).

pcl 的 IterativeClosestPoint 没有给出预期的结果

IterativeClosestPoint with pcl does not give expected results

point-cloud-library

image-registration