快速组织的点云注册

Question

我一直在寻找使用正常信息注册（对齐）有组织点云的方法。
我只能找到通用的点云注册方法（例如在PCL中）。

我正在使用Microsoft Kinect来获取我的点云，但问题是它们非常大。

我想知道的事情：

• 是否有快速方式注册有组织的点云？
• 是否存在非常快速的下采样方法（也可能 使用点云组织的事实？？
• 我也在考虑使用OpenCV过滤器，因为它是有组织的 点云可以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实现的理想选择。你知道任何这样的实施吗？

到目前为止我所做的是以下内容。
- 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，它在下采样的点云上对我来说非常快速和准确。

所以对我来说，目前，一个好的解决方案是快速下采样点云。例如，基于GPU的实现。

Answer 1

1. 将有组织的点云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。
2. 在GPU上实现的二维矩阵的下采样方法可以在OpenCV cuda中找到。
3. 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，只需简单地取每个 k 元素。如果需要，您可以对这些元素进行平均以使其模糊，或者使用衍生类型滤镜进行锐化（边缘增强）。您可以根据有关框架的信息提出特殊的拣选方法（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）。

以上三点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。