我一直在寻找 register (align) organized point clouds with normal information 的方法 .
我只能找到通用的点 Cloud 注册方法（例如在PCL中） .
我正在使用Microsoft Kinect来获取我的点 Cloud ，但问题是它们非常大 .
What I would like to know:
-
有快速方式注册 organized point clouds 吗？
-
是否存在非常快速的下采样方法（也可能使用点 Cloud 有组织的事实）？
-
我也在考虑使用OpenCV过滤器，因为有组织的点 Cloud 可能是具有灰度值的图像（具有深度值的2D矩阵） . 例如，在矩阵上使用openCV resize方法，以及一些派生类型的滤镜（因为边缘对于我在场景中很重要） . 这是一个好主意吗？
-
此外，下采样看起来像数据并行问题，这可能是GPU实现的一个很好的候选者 . 你知道任何这样的实现吗？
What I have done so far is the following.
- 几种下采样方法（随机，基于体素，统一），但所有这些方法的问题在于它们都花了很多时间（在PCL中） . 最好的是基于体素的 .
- 然后做了ICP，它对下采样点 Cloud 的运行非常快速和准确 .
So for me, currently, a good solution would be a fast way of down-sampling my point clouds. For example a GPU-based implementation for it.
1 回答
将有组织的点 Cloud 视为具有灰度值的图像（简单的2D矩阵），结果证明是个好主意 .
在GPU上实现的2D矩阵的下采样方法可在例如OpenCV cuda中获得 .
此外，根据精度的重要性，很容易在2D矩阵上实现自己的快速下采样方法 . 例如，只需简单地获取每个_847645个元素 . 如果需要，您可以将这些元素的平均值设置为模糊，或者使用衍生类型过滤器进行锐化（边缘增强） . 您可以根据有关框架的信息提出特殊的拾取方法（例如，如果您知道您的对象往往位于中心，那么您可以在该区域周围选择更多的点） .
以上三个都会给出更快的结果，并且可能会“更多地调整”你的问题（特别是＃3） . “更多调整”意味着不那么健壮 .