(1)關於點雲的配准
1.首先給定源點雲與目標點雲。
2.提取特征確定對應點
3.估計匹配點對應的變換矩陣
4.應用變換矩陣到源點雲到目標點雲的變換
配准的流程圖
通過特征點的匹配步驟
（1）計算源點雲與目標點雲的關鍵點
（2）計算關鍵點的特征描述子（比如：FPFH等等）
（3）匹配特征點計算出對應關系
（4）從特征點之間的對應關系估算變換矩陣
與Opencv中使用harris 角點等特征點來計算兩幅圖像之間的變換矩陣的原理是一樣的，所以其中用到的算法的思路和工作流程也都很相似
有很多中方法來計算轉換矩陣T = （R，t）,如果給定了配對點（Di，Mi）：
（1）通過點對點的方式
（2）點對平面的方式
（3）平面到平面之間的配對，等等
基於SVD分解的最小化點對點的最小距離的方法（最小方差誤差的公式）：
那么肯定會有誤匹配，去除錯誤匹配點（局外點）的方法采用RANSAC方法
(1)找出三對對應的匹配點(Di ,Mi)
(2)根據這些點估算轉換矩陣（R,t）
（3）對於匹配點滿足 
一定條件的設為內點
（4）重復上面的步驟N次，直到（R,t）有很多的內點
初始匹配（可以看見非常多的誤匹配）
經過RANSAC算法計算后的匹配
找到了特征點之間的轉換矩陣之后我們想完全的的對應源點雲與目標點雲還要用到ICP 算法
如圖所示
我們認為M作為模型設置點，S作為對應的場景，我們認為S上的每一個點都有與之對應的M上的點。如果有正確的配准點我們是已知的，就可以找到兩者之間的旋轉與平移，那么如果找到一個誤差最小的配准呢？就要用到ICP算法，其算法流程
算法的偽碼如下：
關注微信公眾號，加入群聊
