PCL 点云配准：ICP 算法实现及改进

#include <vtkAutoInit.h> VTK_MODULE_INIT(vtkRenderingOpenGL); VTK_MODULE_INIT(vtkInteractionStyle); #define BOOST_TYPEOF_EMULATION #include //标准输入/输出 #include <pcl/io/pcd_io.h> //pcd文件输入/输出 #include <pcl/point_types.h> //各种点类型 #include <pcl/registration/icp.h> //ICP(iterative closest point)配准 #include <pcl/filters/voxel_grid.h> // 下采样滤波器 #include <pcl/registration/transformation_estimation_svd.h> //SVD估计初始变换矩阵

#include <pcl/visualization/pcl_visualizer.h> //PCL可视化

int main(int argc, char** argv) { //创建点云指针 pcl::PointCloudpcl::PointXYZ::Ptr cloud_in(new pcl::PointCloudpcl::PointXYZ); //创建输入点云（指针） pcl::PointCloudpcl::PointXYZ::Ptr cloud_out(new pcl::PointCloudpcl::PointXYZ); //创建输出/目标点云（指针）

//生成并填充点云cloud_in
pcl::io::loadPCDFile<pcl::PointXYZ>("D:\\点云文件\\雕像1.pcd", *cloud_in);
pcl::io::loadPCDFile<pcl::PointXYZ>("D:\\点云文件\\雕像2.pcd", *cloud_out);

// 创建下采样滤波器
pcl::VoxelGrid<pcl::PointXYZ> voxel_grid;
voxel_grid.setInputCloud(cloud_in);
voxel_grid.setLeafSize(0.01f, 0.01f, 0.01f); // 设置下采样的体素大小
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in_downsampled(new pcl::PointCloud<pcl::PointXYZ>);
voxel_grid.filter(*cloud_in_downsampled);

voxel_grid.setInputCloud(cloud_out);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out_downsampled(new pcl::PointCloud<pcl::PointXYZ>);
voxel_grid.filter(*cloud_out_downsampled);

// 初始粗略配准
pcl::registration::TransformationEstimationSVD<pcl::PointXYZ, pcl::PointXYZ> svd;
Eigen::Matrix4f initial_transform;
svd.estimateRigidTransformation(*cloud_in_downsampled, *cloud_out_downsampled, initial_transform);

// 应用初始变换矩阵进行粗略配准
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in_aligned(new pcl::PointCloud<pcl::PointXYZ>);
pcl::transformPointCloud(*cloud_in_downsampled, *cloud_in_aligned, initial_transform);

// 创建ICP对象，用于ICP配准
pcl::IterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> icp;
icp.setInputCloud(cloud_in_aligned);
icp.setInputTarget(cloud_out_downsampled);

// 设置ICP参数
icp.setMaxCorrespondenceDistance(0.05); // 设置最大对应点之间的距离（超过该距离的点不会用于配准）
icp.setMaximumIterations(100); // 设置最大迭代次数
icp.setTransformationEpsilon(1e-8); // 设置收敛判断的变换矩阵的阈值
icp.setEuclideanFitnessEpsilon(1e-8); // 设置收敛判断的迭代误差阈值

// 进行配准，结果存储在Final中
pcl::PointCloud<pcl::PointXYZ> Final;
icp.align(Final);

// 输出ICP配准的信息（是否收敛，拟合度）
std::cout << "has converged:" << icp.hasConverged() << " score: " << icp.getFitnessScore() << std::endl;
// 输出最终的变换矩阵（4x4）
std::cout << icp.getFinalTransformation() << std::endl;

// 可视化
pcl::visualization::PCLVisualizer viewer("ICP Registration");
viewer.addPointCloud(cloud_in_downsampled, pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(cloud_in_downsampled, 255, 0, 0), "cloud_in"); // 使用红色显示输入点云
viewer.addPointCloud(cloud_out_downsampled, pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(cloud_out_downsampled, 0, 255, 0), "cloud_out"); // 使用绿色显示目标点云
viewer.addPointCloud<pcl::PointXYZ>(Final.makeShared(), pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(Final.makeShared(), 0, 0, 255), "cloud_aligned"); // 使用蓝色显示配准后的点云
viewer.spin();

return 0;

}