解题思路:
1. pcl库有关于雷达点云数据结构的定义和运用。eigen库有非线性最小二乘问题求解。
2. 图像匹配问题转成数学模型,就是要让图像A中经过转换之后的任何一点 和 要进行匹配的图像B中相对应一点 位置距离差最小。
3. 难题一:在图像B中找到 图像A对应的点。给定一个初始变换矩阵g,图像A经过矩阵g转换之后得到新的图像U。用图像U中的任何一点的坐标,在图像B中找到其k个相邻点。利用k-d tree求解。在求解之前可以下采样,减少点云数量,降低运算量。这些在pcl库中都有。
矩阵g,根据实际情况拟定。如果两幅地图原点差距不大,可以设成x、y、z、w分别为0、0、0、1的四元数和0、0、0的平移向量。点经过转换还是它自己。如果两幅地图原点差距较大,可以测量出一个大致的变换矩阵出来。
难题二:最小二乘的一般形式是
参数块(x等自变量)是由四元数、平移向量组成。损失函数(ρ)可从eigen库选择。代价函数(f)难以定。
难题三:为什么角点和平面点分别求解?
难题四:四元数和矩阵的关系?旋转某个角度,四元数该如何表示?
难题五:计算完一遍图像中所有的点之后,会有一个分值吗?该分值如何判断结果好坏?
标签:eigen,矩阵,四元,pcl,图像,图像匹配 From: https://www.cnblogs.com/gaara-zhang/p/16625485.html