写pcl181可以运行的icp点到点的算法代码要求输入目标点云为D点云文件点云数据规则点云斯坦福雕像1pcd和源点云D点云文件点云数据规则点云斯坦福雕像2pcd配准好输出DDIANYUNWENJIANJIAicp_pcdpcd

以下是一个使用PCL1.8.1实现ICP点到点算法的代码示例，可以输入目标点云和源点云，并输出配准后的点云文件。

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/registration/icp.h>

int main(int argc, char** argv)
{
    if (argc < 4)
    {
        std::cerr << "Usage: " << argv[0] << " <target_pcd> <source_pcd> <output_pcd>" << std::endl;
        return 1;
    }

    // Load target and source point clouds
    pcl::PointCloud<pcl::PointXYZ>::Ptr target_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr source_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *target_cloud) == -1 ||
        pcl::io::loadPCDFile<pcl::PointXYZ>(argv[2], *source_cloud) == -1)
    {
        PCL_ERROR("Failed to load point clouds\n");
        return -1;
    }

    // Perform ICP point-to-point registration
    pcl::IterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> icp;
    icp.setInputSource(source_cloud);
    icp.setInputTarget(target_cloud);
    pcl::PointCloud<pcl::PointXYZ> output_cloud;
    icp.align(output_cloud);

    if (icp.hasConverged())
    {
        std::cout << "ICP converged with score: " << icp.getFitnessScore() << std::endl;

        // Save output point cloud
        pcl::io::savePCDFileASCII(argv[3], output_cloud);
        std::cout << "Saved output point cloud to: " << argv[3] << std::endl;
    }
    else
    {
        std::cerr << "ICP failed to converge" << std::endl;
        return -1;
    }

    return 0;
}

其中，<target_pcd>、<source_pcd>和<output_pcd>分别为目标点云、源点云和输出点云的文件路径。如果程序运行成功，会输出ICP收敛的得分并保存配准后的点云文件到指定路径。如果程序运行失败，会输出错误信息并返回-1