我希望能找到一些提示，从哪里开始处理我正在处理的问题 . 我正在使用Kinect传感器来捕捉三维点 Cloud . 我创建了一个已经工作的3d物体探测器 .
我的任务是：
假设我有一个点 Cloud 1.我在 Cloud A中检测到一个物体，我知道物体的质心位置（x1，y1，z1） . 现在，我将传感器移动到路径上并创建新的 Cloud （例如 Cloud 2） . 在那个 Cloud 2中，我看到了相同的对象，例如从侧面看，物体检测不正常 .
我想将检测到的对象从 Cloud 1转换为 Cloud 2，以便在 Cloud 2中获得质心 . 对我来说，听起来我需要一个矩阵（平移，旋转）来将点从1变换到2 .
想法如何解决我的问题？也许ICP？有更好的解决方案吗？
谢谢！
2 回答
我认为您所询问的特别是Kinect传感器和Microsoft为其发布的API .
如果您不打算进行重建，可以查看Sensor Fusion命名空间中的AlignPointClouds函数 . 这应该自动处理，方法类似于@pnhgiol给出的答案 .
另一方面，如果您正在进行重建以及点 Cloud 变换，那么重建类就是您正在寻找的 . 所有这些都可以找到，here .
通常，此任务称为注册 . 它依赖于对 Cloud 1中哪些点对应于点2中的哪些 Cloud 的良好估计（更具体地，其给出 Cloud 1中的点， Cloud 2中的哪个点表示检测到的对象上的相同位置） . PCL库文档中有一个很好的overview
如果您有这样的信件，那么您很幸运，您可以直接计算旋转和翻译，如图所示here .
如果没有，您需要估计该通信 . 对于大致对齐的点 Cloud ，ICP会做到这一点，但如果您的点 Cloud 尚未完全对齐，您可能需要首先估算点 Cloud 中的“关键点”（例如书角，不同颜色等），计算如上所述的旋转和平移，然后执行ICP . 正如DJDuff所提到的，ICP在实际上在已经近似对齐的点 Cloud 上工作得更好，因为它根据维基百科使用两个指标中的一个估计对应关系，最小点对点距离或最小点到平面距离，后者效果更好在实践中，但它确实涉及估计法线，这可能是棘手的 . 如果对应距离很远，那么转换也可能是一样的 .