配准问题

[CHANdaFeng]

您好，我在配准两帧激光点云雷达的时候，当角度小于90度时候都能配准，当两帧点云旋转相差180度时候，运行程序 ，计算完graph construction， 程序结束，貌似是 Graph.norm() == 0)， 请问一下您测试的时候这种情况可以通过吗，或者该如何修改代码，目前我的correspondence设置是500个，downsample=0.7 registration(src_cloud, des_cloud, correspondence, ov_lable, folderPath, resolution, 0.99); //FPFH 0.95 or 0.9

[zhangxy0517]

Graph.norm()为0表明兼容图中没有边，所有匹配互不兼容。匹配的采样数不要设置太小

[zhangxy0517]

1、采样数量小一些，比如2500 2、兼容阈值大一点，比如0.999

[CHANdaFeng]

hello, 目前测试修改后，降采样为0.7，采样5000个数，兼容性得分0.999，不过配准效果还是不太好，请问可能是什么原因～？地面点、噪声影响？

[zhangxy0517]

你的数据有gt吗？建议和真值比较看下误差。MAC是粗配准方法，如果要进行高精度配准，还需要icp进一步优化结果

[CHANdaFeng]

@zhangxy0517 好的，谢谢您的建议。还想请问一下在日记中，哪一个参数是用来评估配准效果好坏？，或者论文中，类似得分之类的信息？ raw_correspondence:3468 correspondence:250 Start registration. 进入第二个registration 进入第二个Graph_construction graph construction: 0.0216231 coefficient computation: 0.000375635 0.0908374->min(0.0908374 0.82656 0.510234) clique computation: 7.6468e-05 clique selection: 0.000262457 hypothesis generation & evaluation: 0.000587079 14 : 14 3 2.00638 0.224797 0.50723 0.986243 -0.985204 -0.0913466 -0.145011 -3.2895 0.109196 -0.986711 -0.120321 2.15954 -0.132094 -0.134375 0.982087 0.656984 0 0 0 1

[zhangxy0517]

RE和TE，RMSE能评估误差。目前demo函数没有与gt评估的功能。代码中提供了评估函数： calculate_rotation_error calculate_translation_error RMSE_compute_scene 如需使用可以参考实验代码

[CHANdaFeng]

@zhangxy0517 好的，感谢您的回复！

[CHANdaFeng]

hello,请问一下，代码中有提供评价 两帧匹配收敛效果好坏的评价指标吗， 是根据 double score = evaluation_trans() 这个函数 判断吗，

[zhangxy0517]

对的，evaluation_trans()根据匹配来评估每个位姿变换假设，分数最高的作为最终结果

[CHANdaFeng]

好的，那最终是看迭代后的分best_score 来评估吗，如果A和多帧进行配准，得分都是best_score=1 ，那么如何挑选配准最佳的？

[zhangxy0517]

MAC是两两配准方法。evaluation_trans评估的是一对点云产生的所有假设的分数，并不适用于多对点云

[zhangxy0517]

不可以的

[zhangxy0517]

可以参考下python版本的feature matching

[CHANdaFeng]

@zhangxy0517 您好，feature matching c++版本的搜索KD tree这部分，我看其时间复杂度是n*nlogn， python版本看似加快了运算， 但是两个描述子在做内积运算的时候，其时间复杂度是n^3， 然后在找出每行最大， python版本的时间复杂度好像更慢呀？

[vampire1204]

算法对点云的数据有要求吗？比如激光的数据和预测深度的数据（没有激光数据好），包括稀疏程度等 都适用吗？谢谢

[zhangxy0517]

MAC的输入是特征匹配，理论上对于不同数据类型是通用的。但是也要具体问题具体分析，建议多尝试。

[vampire1204]

好的，谢谢