转载而来 ,自己学的医学图像

,所以算法原理尚可借鉴,这篇原理讲的很不错 网上搜了很多 始终不明白 似乎这次能知道个来龙去脉了。非常感谢该版主~~~

ICP算法最初由Besl和Mckey提出,是一种基于轮廓特征的点配准方法。基准点在CT图像坐标系及世界坐标系下的坐标点集P =

{Pi, i = 0,1, 2,…,k}及U =

{Ui,i=0,1,2,…,n}。其中,U与P元素间不必存在一一对应关系,元素数目亦不必相同,设k ≥ n。配准过程就是求取 2

个坐标系间的旋转和平移变换矩阵,使得来自U与P的同源点间距离最小。其过程如下:

(1)计算最近点,即对于集合U中的每一个点,在集合P中都找出距该点最近的对应点,设集合P中由这些对应点组成的新点集为Q = {qi,i

= 0,1,2,…,n}。

(2)采用最小均方根法,计算点集 U 与 Q 之间的配准,使 得到配准变换矩阵

R,T,其中R是 3×3 的旋转矩阵,T 是 3×1 的平移矩阵。

(3)计算坐标变换,即对于集合U,用配准变换矩阵R,T进行坐标变换,得到新的点集U1,即U1 = RU + T

(4)计算U1与Q之间的均方根误差,如小于预设的极限值ε,则结束,否则,以点集U1替换U,重复上述步骤。

VTK中有一个类vtkIterativeClosestPointTransform实现了ICP

算法,并将ICP算法保存在一个4×4的齐次矩阵中。那么如何使用这个类的函数内?以下是一个可参考的DEMO,功能是获得两个坐标系内的点之间的对应关系,也就是求这两个坐标系之间的平移和旋转矩阵。

#include

#include

#include

#include

#include

#include

#include

#include

#include

#include

//to set

type to ridgid body

#include

#include

#include

vtkPolyData* CreatePolyData();

vtkPolyData*

PerturbPolyData(vtkPolyData* polydata);

int _tmain(int argc, _TCHAR*

argv[])

{

vtkPolyData*

TargetPolydata = CreatePolyData();//创建目标坐标系内的点集

//创建源坐标系内的点,实际上是通过给目标坐标系内点集加一个扰动实现的

vtkPolyData*

SourcePolydata = PerturbPolyData(TargetPolydata);

//开始用vtkIterativeClosestPointTransform类实现 ICP算法

vtkIterativeClosestPointTransform * icp

= vtkIterativeClosestPointTransform::New();

icp->SetSource(SourcePolydata);

icp->SetTarget(TargetPolydata);

icp->GetLandmarkTransform()->SetModeToRigidBody(); icp->SetMaximumNumberOfIterations(20);

icp->StartByMatchingCentroidsOn();

icp->Modified();

icp->Update();

vtkMatrix4x4* M = icp->GetMatrix();

std::cout

<< "The resulting matrix is: "

<< *M

<< std::cout;

//以下是为更方便地显示矩阵,统一了矩阵内数字显示形式,矩阵内数字形如:1.08e-001

for(int i =

0;i<= 3;i++)

{

printf("\n");

for(int j = 0;j <= 3;j++)

{

printf("%e\t",M->Element[i][j]);

}

}

SourcePolydata->Delete();

TargetPolydata->Delete();

getchar();

return

0;

}

vtkPolyData* CreatePolyData()

{

//This function creates a set of 5

points (the origin and a point unit distance along each axis)

vtkPoints*

SourcePoints = vtkPoints::New();

vtkCellArray* SourceVertices = vtkCellArray::New();

//create

three points and create vertices out of them

vtkIdType

pid[1]; //记录下一个要加入的点在vtkPoints 中存储序号

double

Origin[3] = {0.0, 0.0, 0.0};

pid[0] =

SourcePoints->InsertNextPoint(Origin);

SourceVertices->InsertNextCell(1,pid);

double

SourcePoint1[3] = {1.0, 0.0, 0.0};

pid[0] =

SourcePoints->InsertNextPoint(SourcePoint1);

SourceVertices->InsertNextCell(1,pid);

double

SourcePoint2[3] = {0.0, 1.0, 0.0};

pid[0] =

SourcePoints->InsertNextPoint(SourcePoint2);

SourceVertices->InsertNextCell(1,pid);

double

SourcePoint3[3] = {1.0, 1.0, 0.0};//{0.0, 0.0, 1.0};

pid[0] =

SourcePoints->InsertNextPoint(SourcePoint3);

SourceVertices->InsertNextCell(1,pid);

double

SourcePoint4[3] = {0.5, 0.5, 0.0};//{0.0, 0.0, 1.0};

pid[0] =

SourcePoints->InsertNextPoint(SourcePoint4);

SourceVertices->InsertNextCell(1,pid);

vtkPolyData*

polydata = vtkPolyData::New();

polydata->SetPoints(SourcePoints);

//把点导入的polydata中去

polydata->SetVerts(SourceVertices);

return

polydata;

}

vtkPolyData*

PerturbPolyData(vtkPolyData* OldPolydata)

{

vtkPolyData*

polydata = vtkPolyData::New();

polydata->DeepCopy(OldPolydata);

vtkPoints*

Points = polydata->GetPoints();

size_t Sum =

Points->GetNumberOfPoints();

double

p[3];

Points->GetPoint(1, p);

p[0] =

sqrt(2.0)/2.0;

p[2] =

sqrt(2.0)/2.0;

Points->SetPoint(1, p);///

Points->GetPoint(3, p);

p[0] =

sqrt(2.0)/2.0;

p[2] =

sqrt(2.0)/2.0;

Points->SetPoint(3, p);//

Points->GetPoint(4, p);

p[0] =

sqrt(2.0)/4.0;

p[2] =

sqrt(2.0)/4.0;

Points->SetPoint(4, p);//

return

polydata;

}

不过VTK计算出来的矩阵好像是反的,即

Q = RU + T (其中Q

是源坐标系,U是目标坐标系,也就是我给每个点加了扰动的后的坐标系)

matlab实现icp算法,ICP算法(Iterative Closest Point)及VTK实现相关推荐

  1. 迭代最近点(Iterative Closest Point, ICP)算法

    1. 定义 ICP(Iterative Closest Point,迭代最近点)算法是一种迭代计算方法,主要用于计算机视觉中深度图像的精确拼合,通过不断迭代最小化源数据与目标数据对应点来实现精确地拼合 ...

  2. 基于PCL的ICP及其变种算法实现

    文章目录 前言 一.ICP算法基础 1.1 提取待匹配点对 1.2 计算旋转平移矩阵 1.3 计算变换后的点和目标点之间的偏差 二.ICP算法变种 2.1 PLICP 2.2 PointToPlane ...

  3. 绝对不可错过的图形学算法!迭代最近点算法——ICP算法

    图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对 ...

  4. 点云配准算法ICP及其各种变体

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨流川峰 来源丨深蓝AI 介绍 点云配准(Point Cloud Registration)算法指 ...

  5. 点云配准的传统算法ICP与NDT概述

    公众号致力于分享点云处理,SLAM,三维视觉,高精地图相关的文章与技术,欢迎各位加入我们,一起交流一起进步,有兴趣的可联系微信:920177957.本文来自点云PCL博主的分享,未经作者允许请勿转载, ...

  6. 学习笔记之——P3P与ICP位姿估计算法及实验

    本博文为本人学习P3P算法的学习笔记~ 先给出论文的链接(https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1217599) & ...

  7. 迭代最近点算法 Iterative Closest Points

    研究生课程系列文章参见索引<在信科的那些课> 基本原理 假定已给两个数据集P.Q, ,给出两个点集的空间变换f使他们能进行空间匹配.这里的问题是,f为一未知函数,而且两点集中的点数不一定相 ...

  8. IST改进算法之Two-Step Iterative Shrinkage/Thresholding(TwIST)

    题目:IST改进算法之Two-Step Iterative Shrinkage/Thresholding(TwIST) 本篇介绍IST的一种改进算法TwIST,该改进算法由以下文献提出: Biouca ...

  9. matlab 最大熵谱估计,基于Burg算法的最大熵谱估计

    <基于Burg算法的最大熵谱估计>由会员分享,可在线阅读,更多相关<基于Burg算法的最大熵谱估计(6页珍藏版)>请在人人文库网上搜索. 1.基于Burg算法的最大熵谱估计一. ...

  10. matlab 压缩感知矩阵_【精读】基于MATLAB的钢筋下料优化算法

    基于MATLAB的钢筋下料优化算法 摘要:运用MATLAB软件求解实际工程中一维钢筋下料优化的问题,提出了首先列举出单根原料分割的所有可行解,其次采用线性规划的方法求出理想条件下最优方案,最后通过整数 ...

最新文章

  1. JQuery 扩展多语言支持
  2. APPStore 审核收集
  3. 《开源思索集》一Source Code + X
  4. dir函数_PHP dir()函数与示例
  5. drupal7 的安装方法
  6. JavaScript学习(二十九)—JS常用的事件
  7. scratch优秀案例-双人足球对战赛
  8. PyQt5 打造GUI爬虫 小说下载器
  9. Thinkphp 5.1安装
  10. 文件夹右击一直转圈圈
  11. 业务知识(2)立案与受理的区别裁定书和判决书的区别
  12. android平板电脑怎么才能连接,安卓平板电脑如何连接网线?
  13. EDM邮件群发:群发邮件不进垃圾箱的独家秘笈
  14. 我想做个读APPLE手机SN码的程序。
  15. 关于瓦力机器人的设计构想
  16. mysql 多表查询 优化_MySql多表查询优化
  17. android视频解码数据分辨率改变,Android实现任意分辨率视频编码的思考与实现
  18. 基于javaweb+jsp的个人日记管理系统(JavaWeb JSP MySQL Servlet SSM SpringBoot Layui Ajax)
  19. 重复性工作再也不用做啦?机器人自动化迎难而上
  20. 辛迪加、卡特尔、托拉斯

热门文章

  1. autoCAD 使用图层、颜色和线型
  2. cac会议投稿难度大吗_英文(会议)论文投稿准备与流程
  3. 微信 JS-SDK 说明文档
  4. oracle写求余函数,Oracle取余函数mod
  5. Office之word如何删除页眉横线
  6. LM2596和LM2576区别,开关电源芯片LM2576和LM2596为什么开关频率越高,输出接电感值和电容值就越小呢?电感电容体积小,有利于减小开关电源整体模块的体积
  7. 一文带你揭秘并实现“大数据杀熟”背后的逻辑!
  8. c语言abs和fabs的区别,c语言中abs()和fabs()的区别点整理
  9. 席位、交易单元、交易网关是什么
  10. 系统工程原理——指标权重的确定方法