matlab实现icp算法,ICP算法(Iterative Closest Point)及VTK实现
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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, ...
- 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) & ...
- 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 ...
- 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 ...
- 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. ...
- 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
- JQuery 扩展多语言支持
- APPStore 审核收集
- 《开源思索集》一Source Code + X
- dir函数_PHP dir()函数与示例
- drupal7 的安装方法
- JavaScript学习(二十九)—JS常用的事件
- scratch优秀案例-双人足球对战赛
- PyQt5 打造GUI爬虫 小说下载器
- Thinkphp 5.1安装
- 文件夹右击一直转圈圈
- 业务知识(2)立案与受理的区别裁定书和判决书的区别
- android平板电脑怎么才能连接,安卓平板电脑如何连接网线?
- EDM邮件群发:群发邮件不进垃圾箱的独家秘笈
- 我想做个读APPLE手机SN码的程序。
- 关于瓦力机器人的设计构想
- mysql 多表查询 优化_MySql多表查询优化
- 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
- 基于javaweb+jsp的个人日记管理系统(JavaWeb JSP MySQL Servlet SSM SpringBoot Layui Ajax)
- 重复性工作再也不用做啦?机器人自动化迎难而上
- 辛迪加、卡特尔、托拉斯
热门文章
- autoCAD 使用图层、颜色和线型
- cac会议投稿难度大吗_英文(会议)论文投稿准备与流程
- 微信 JS-SDK 说明文档
- oracle写求余函数,Oracle取余函数mod
- Office之word如何删除页眉横线
- 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
- 一文带你揭秘并实现“大数据杀熟”背后的逻辑!
- c语言abs和fabs的区别,c语言中abs()和fabs()的区别点整理
- 席位、交易单元、交易网关是什么
- 系统工程原理——指标权重的确定方法