这个样例实现了一个非常有效的和健壮的变体迭代最近点(ICP)算法。任务是注册一个3 d模型(点云)根据一组嘈杂的目标数据。变异是由自己在某些测试。任务是能够匹配部分,噪声点云在凌乱的场面,很快。你会发现,我的重点是性能,同时保留的准确性。
有一些文本文档中的文件,这是随着邮政提供的。虽然,忽略了引用的文档,他们将更新后。我希望这将是有用的对许多人来说,因为尽管论文的数量,我无法找到一个质量的实现。
主要贡献来自于:
1。挑剔的ICP:
http://www5.informatik.uni-erlangen.de/Forschung/Publikationen/2003/Zinsser03-ARI.pdf
2。高效的ICP算法的变体:
http://docs.happycoders.org/orgadoc/graphics/imaging/fasticp_paper.pdf
3所示。几何稳定取样ICP算法:https://graphics.stanford.edu/papers/stabicp/stabicp.pdf
4所示。多分辨率注册:
http://www.cvl.iis.u-tokyo.ac.jp/ ~ oishi /论文/调整/ Jost_MultiResolutionICP_3DIM03.pdf
5。线性化的Point-to-Plane度量角Lim低:
https://www.comp.nus.edu.sg/ lowkl /出版/ lowk_point-to-plane_icp_techrep.pdf
注意,测试函数需要Gabriel Peyre read_ply m文件在这里:
//www.tatmou.com/matlabcentral/fileexchange/5355-toolbox-graph/content/toolbox_graph/read_ply.m
引用作为
Tolga Birdal (2022)。ICP登记使用高效的变异和多分辨率方案(//www.tatmou.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme), MATLAB中央文件交换。检索。
