matlab练习程序（对应点集配准的四元数法）

这个算是ICP算法中的一个关键步骤，单独拿出来看一下。

算法流程如下：

1.首先得到同名点集P和X。

2.计算P和X的均值up和ux。

3.由P和X构造协方差矩阵sigma。

4.由协方差矩阵sigma构造4*4对称矩阵Q。

5.计算Q的特征值与特征向量。其中Q最大特征值对应的特征向量即为最佳旋转向量q。

6.通过四元数q得到旋转矩阵R。

7.根据R计算最佳平移向量qr。

具体公式我就不贴图了，可以参考这篇“ICP算法在点云配准中的应用”论文的3.1节。

处理效果如下：

原始点集：

其中蓝点为原始点集，红点为旋转平移后的点集。

配准后点集：

计算得到的旋转平移矩阵，通过对蓝点集进行转换得到绿点集，比较红点集与绿点集是否基本一致。

matlab代码如下：

clear all;
close all;
clc;%生成原始点集
X=[];Y=[];Z=[];
for i=-180:2:180for j=-90:2:90x = i * pi / 180.0;y = j * pi / 180.0;   X =[X,cos(y) * cos(x)];Y =[Y,sin(y) * cos(x)];Z =[Z,sin(x)]; end
end
P=[X(1:3000)' Y(1:3000)' Z(1:3000)'];%生成变换后点集
i=0.5;j=0.3;k=0.7;
Rx=[1 0 0;0 cos(i) -sin(i); 0 sin(i) cos(i)];
Ry=[cos(j) 0 sin(j);0 1 0;-sin(j) 0 cos(j)];
Rz=[cos(k) -sin(k) 0;sin(k) cos(k) 0;0 0 1];
R=Rx*Ry*Rz;
X=P*R + [0.2,0.3,0.4];plot3(P(:,1),P(:,2),P(:,3),'b.');
hold on;
plot3(X(:,1),X(:,2),X(:,3),'r.');%计算点集均值
up = mean(P);
ux = mean(X);P1=P-up;
X1=X-ux;%计算点集协方差
sigma=P1'*X1/(length(X1));
sigma_mi = sigma - sigma';
M=sigma+sigma'-trace(sigma)*[1,0,0;0,1,0;0,0,1];%由协方差构造4*4对称矩阵
Q=[trace(sigma) sigma_mi(2,3) sigma_mi(3,1) sigma_mi(1,2);sigma_mi(2,3) M(1,1) M(1,2) M(1,3);sigma_mi(3,1) M(2,1) M(2,2) M(2,3);sigma_mi(1,2) M(3,1) M(3,2) M(3,3)];%计算特征值与特征向量
[x,y] = eig(Q);
e = diag(y);%计算最大特征值对应的特征向量
lamda=max(e);
for i=1:length(Q)if lamda==e(i)break;end
end
q=x(:,i);q0=q(1);q1=q(2);q2=q(3);q3=q(4);%由四元数构造旋转矩阵
RR=[q0^2+q1^2-q2^2-q3^2 ,2*(q1*q2-q0*q3), 2*(q1*q3+q0*q2);2*(q1*q2+q0*q3), q0^2-q1^2+q2^2-q3^2, 2*(q2*q3-q0*q1);2*(q1*q3-q0*q2), 2*(q2*q3+q0*q1), q0^2-q1^2-q2^2+q3^2];%计算平移向量
qr=ux-up*RR';%验证旋转矩阵与平移向量正确性
Pre = P*RR'+qr;figure;
plot3(P(:,1),P(:,2),P(:,3),'b.');
hold on;
plot3(X(:,1),X(:,2),X(:,3),'r.');plot3(Pre(:,1),Pre(:,2),Pre(:,3),'go');

关注公众号： MATLAB基于模型的设计（ID：xaxymaker），每天推送MATLAB学习最常见的问题，每天进步一点点，业精于勤荒于嬉。

打开微信扫一扫哦！

转载于:https://www.cnblogs.com/52geek/p/10127499.html

matlab练习程序（对应点集配准的四元数法）相关推荐

如何在matlab中表达点集,matlab练习程序（点集配准的SVD法）
上一篇博客中我们使用了四元数法计算ICP. 本篇我们使用SVD计算ICP. 下面是<视觉slam十四讲>中的计算方法: 计算步骤如下: 我们看到,只要求出了两组点之间的旋转,平移是非常容易 ...
matlab点集配准,matlab练习程序（对应点集配准的四元数法）
clear all; close all; clc; %生成原始点集 X=[];Y=[];Z=[]; for i=-180:2:180 for j=-90:2:90 x = i * pi / 180. ...
matlab多元回归程序,多元回归程序MATLAB程序
<多元回归程序MATLAB程序>由会员分享,可在线阅读,更多相关<多元回归程序MATLAB程序(45页珍藏版)>请在人人文库网上搜索. 1.程序MATLAB多元回归程序matl ...
无源定位之时差估计的精确时差估计算法(ETDE)及MATLAB实现程序
精确时差估计算法(ETDE)及MATLAB实现程序算法原理算法总结性能分析实验结果算法原理假设两接收站分别接收的带噪信号为 {x(kT)=s(kT)+ε1(kT)y(kT)=s(kT−D) ...
matlab潮流程序,IEEE33节点matlab潮流程序.doc
IEEE33节点matlab潮流程序 Bus [1,0,0 ; 2,100, 60; 3,90,40; 4,120,80; 5,60,30; 6,60,20; 7, 200, 100 ; 8,200, ...
matlab有意思程序,matlab有意思的小程序
10个C++趣味小程序,很有意思的.VIP专享文档 VIP专享文档是百度文库认... 现在很多人使用微信的时间已经非常长了,他们注册的微信号往上可能已经是5年前的事情了,正是由于不少使用者在这个过程当 ...
matlab程序里nbus=x的意思,MATLAB潮流程序(IEEE14 直角坐标牛拉法)
MATLAB潮流程序(IEEE14 直角坐标牛拉法)clear baseMVA=100; %功率基值 %%读Data1中数据 load Data1.txt Bus=Data1(:,1); %节点号 V ...
怎样在matlab q-q图上读出斜率,Q分解法潮流计算matlab小程序
<Q分解法潮流计算matlab小程序>由会员分享,可在线阅读,更多相关<Q分解法潮流计算matlab小程序(18页珍藏版)>请在人人文库网上搜索. 1.Q分解法潮流计算matl ...
matlab期权风险评估算法,使用 MATLAB 应用程序根据期权价格估算风险中性密度 (risk-neutral density, RND)...
我们为什么选择 MATLAB 我们决定创建 MATLAB 应用程序估算 RND,因为我们希望研究成果得到广泛应用,而不是仅限于在量化经济学领域或是熟悉 MATLAB 编程的和金融研究人员使用. 我们发 ...
点集配准技术（ICP、RPM、KC、CPD）
在计算机视觉和模式识别中,点集配准技术是查找将两个点集对齐的空间变换过程.寻找这种变换的目的主要包括:1.将多个数据集合并为一个全局统一的模型:2.将未知的数据集映射到已知的数据集上以识别其特征或估计 ...

matlab练习程序（对应点集配准的四元数法）

matlab练习程序（对应点集配准的四元数法）相关推荐

最新文章

热门文章