pcl點雲庫提供了完整的icp算法，能完成點雲的配準，但是能找到的例子都是書上的demo：一個完整點雲，使用旋轉矩陣旋轉了一個角度，然後利用icp迭代了幾次可以實現完美的配準，這是因爲本來就是一個點雲，選點集座標都一樣， 這樣的例子沒有代表性，也解決不了實際的例子
我遇到的問題是這樣的：一個物體由掃描儀掃描後重採樣，重採樣的間距一定，造成前端和後端兩個部位的點雲密度與其他部位不同，點雲缺失，點雲後端只有一圈兩圈這樣的數據點，在應用分割算法的時候，這裏會出現分割不出來的情況，需要將後端這部分補全；思路就是將物體的後端重新掃描提取一部分，然後將這部分點雲配準回原點雲上去，實現整體與部分點雲的配準，然後再做重影消除，下采樣等算法處理，然後完成分割算法。
這裏分享一個在源代碼上稍作修改的方法，當然不能算是改進icp了
首先熟悉一下icp的原理
一個是source點雲一個是target點雲，實際就是求兩片點雲的旋轉矩陣、平移向量，構成一個目標函數，把source點雲能經過旋轉平移重合到target點雲上去；
知道原理之後，先來看圖一是target
下圖爲source點雲
source點雲是重新掃描得到的，和target在一個座標系下如下圖左，俯視圖兩個點雲的關係是如圖左的。經過處理是粗配準了一下，如下圖右，明顯能看見不重合，造成了點雲的重影。
給target點雲一個特寫，能看到爲什麼要做配準，由於端部是缺少點的。
經過我算法的精配準如下圖，已經不存在重影的問題了
再給target點雲一個特寫，可以看到缺少的部位已經補全了
下面有個嚴重的問題就是這個點雲配準後還是有一定的重影問題，原因是掃描儀的誤差，配准算法的誤差等，畢竟這兩個點雲是分別掃描的，相當於兩個點雲點雲的數量級也不相同，所以多少還是有一些的誤差，下面就是要把這些誤差消除，又用到我另一個算法也是基於開源庫，在開源庫上稍作修改的算法。。。下次有時間再來更新吧。