29 PCL配准问题调参

Posted 2021-01-30 ghjnwk

0 引言

最近项目中用到了基于PCL开发的基于平面的点云和CAD模型的配准算法，涉及到19个参数，分列如下。

1 参数及其意义介绍

（1）点云下采样

　　1. 参数：leafsize

　　2. 意义：Voxel Grid的leafsize参数，物理意义是下采样网格的大小，直接影响处理后点云密集程度，并对后期各种算法的处理速度产生直接影响。

　　3. 值越大，点云密度越低，处理速度越快；值越小，点云密度越高，处理速度越慢。通常保持这个值，使得其他的与点数有关的参数可以比较稳定而不作大的改动。

　　4. 对应的代码：

PointCloudPtr cloud(new pointCloud);
ParameterReader pd(ParameterFilePath);
double leafsize = stod(pd.getData("leafsize"));
pcl::VoxelGrid<PointT> sor;
sor.setInputCloud(CRTP::cloud_org);
sor.setLeafSize(leafsize, leafsize, leafsize);
sor.filter(*cloud);

（2）点云法线估计

　　1. 参数：Ksearch

　　2. 意义：估计法线时邻域内点的个数

　　3. 值越小，对点云的轮廓描述越精细；值越大，对点云的轮廓描述越粗糙。

　　4. 对应的代码：

ParameterReader pd(ParameterFilePath);
pcl::NormalEstimation<PointT, pcl::Normal> ne;
pcl::PointCloud<pcl::Normal>::Ptr mynormals(new pcl::PointCloud<pcl::Normal>);
pcl::search::KdTree<PointT>::Ptr tree(new pcl::search::KdTree<PointT>);
tree->setInputCloud(cloud_filter);
ne.setInputCloud(cloud_filter);
ne.setSearchMethod(tree);
ne.setKSearch(stoi(pd.getData("Ksearch")));
ne.compute(*mynormals);