三维点云拼接 标记点拼接 SVD分解法

       在三维重建的过程中每次只能测量有限的区域，那么拼接的操作就再所难免了，最终拼接的效果往往觉得了你做的产品是否真的有价值。很多市面上的产品在比较的时候首先看的是整体的重建效果，而整体的效果就是拼接决定的。拼接的效果由精度和效率决定的，首先是精度主要看最终拼接的点云之间融合的好坏，其次的效率，效率主要考察的是在拼接的过程是否流畅，是否需要很多标记点，好的拼接效率就是在使用少量的标记点也能拼接出高精度的效果。

      拼接的精度是由你使用的算法决定的，拼接的终极思想就是计算出两幅点云的[R,T],其中最方法很多，我介绍的是基于SVD分解的方式，敲公式太麻烦了，还是手写的吧！！

                                 

                                               

CalcRalteR_T(_vPoint3 &vPtsA,_vPoint3 &vPtsB,CvMat *&matR,CvMat *&matT){CExternalLibrary Clapack;int i,j;//求A点集的均值VECTOR3 meanA;meanA.x=0;meanA.y=0;meanA.z=0;for (i=0;i<vPtsA.size();i++){meanA+=vPtsA[i];}meanA=meanA/vPtsA.size();//求B点集的均值VECTOR3 meanB;meanB.x=0;meanB.y=0;meanB.z=0;for (j=0;j<vPtsB.size();j++){meanB+=vPtsB[j];}meanB=meanB/vPtsB.size();_vVector3 substractmeanA;_vVector3 substractmeanB;for (int m=0;m<vPtsA.size();m++){VECTOR3 result=vPtsA[m]-meanA;substractmeanA.push_back(result);}for (int n=0;n<vPtsB.size();n++){VECTOR3 result=vPtsB[n]-meanB;substractmeanB.push_back(result);}float matData[9];for (int ii=0;ii<9;ii++){matData[ii]=0.0f;}float matData1[3];for (int jj=0;jj<3;jj++){matData1[jj]=0.0f;}CvMat matTet=cvMat(3,3,CV_32FC1,matData);//matR=cvCreateMat(3,3,CV_32FC1);CvMat *matTet1=cvCreateMat(3,3,CV_32FC1);for (i=0;i<3;i++){for (j=0;j<3;j++){cvSetReal2D(matTet1,i,j,0);}}CvMat matA1,matB1,*matB1Transpose;matB1Transpose=cvCreateMat(3,1,CV_32FC1);for (i=0;i<vPtsA.size();i++){float b1[3]={substractmeanB[i].x,substractmeanB[i].y,substractmeanB[i].z};float a1[3]={substractmeanA[i].x,substractmeanA[i].y,substractmeanA[i].z};matB1=cvMat(1,3,CV_32FC1,b1);matA1=cvMat(1,3,CV_32FC1,a1);cvTranspose(&matB1,matB1Transpose);cvMatMul(matB1Transpose,&matA1,&matTet);cvAdd(matTet1,&matTet,matTet1);}cvReleaseMat(&matB1Transpose);CvMat *matW,*matU,*matV;matW=cvCreateMat(3,1,CV_32FC1);matU=cvCreateMat(3,3,CV_32FC1);matV=cvCreateMat(3,3,CV_32FC1);SVD(matTet1,matW,matU,matV);CvMat *matX;CvMat *matUTranspose;matX=cvCreateMat(3,3,CV_32FC1);matUTranspose=cvCreateMat(3,3,CV_32FC1);//matT=cvCreateMat(1,3,CV_32FC1);cvSub(&matMeanA,matBMeanMulMatR,matT);cvReleaseMat(&matW);cvReleaseMat(&matU);cvReleaseMat(&matV);cvReleaseMat(&matBMeanMulMatR);cvReleaseMat(&matUTranspose);cvReleaseMat(&matTet1);cvReleaseMat(&matX);}

细心的同学可能会发现我在调用SVD分解的时候有两个选项：

if (usecalpack){Clapack.clapack_SVD(matTet1,matW,matU,matV);}else{cvSVD(matTet1,matW,matU,matV);}

不错，就是在有两种调用SVD分解，一直相信大家都知道的opencv的SVD分解函数，还有一种的就是专业的代数计算库“calpack”,我通过实验发现 calpack库的SVD分解要明显比opencv精度高。

交流 QQ:1264768501