6
के साथ वैश्विक पंजीकरण मैं पंजीकरण परियोजना पर काम कर रहा हूं, मेरे पास कुर्सी के सामने घूमने वाली कुछ वस्तुओं के साथ एक कुर्सी है।पीसीएल - एलयूएम
मैं सफल जोड़ी पंजीकरण कर सकता हूं, लेकिन उम्मीद है कि कुछ बहाव (परिणामस्वरूप छवि) है।
मैं संचित त्रुटि (और फिर इसे फ्रेम में फैला ") के वैश्विक न्यूनीकरण के लिए एलयूएम का उपयोग करना चाहता हूं, लेकिन मैं हवा में तैरने वाले फ्रेम को समाप्त करता हूं। (छवि के नीचे कोड)
क्या यह एलयूएम के उपयोग में कोई स्पष्ट गलती है? --- मैं कीपॉइंट्स + फीचर्स का उपयोग करता हूं, पूर्ण प्वाइंटक्लाउड्स
क्यों सभी उदाहरण एक दिशात्मक किनारों को जोड़ते हैं और द्वि-दिशात्मक नहीं हैं?
PARAM_LUM_centroidDistTHRESH = 0.30;
PARAM_LUM_MaxIterations = 100;
PARAM_LUM_ConvergenceThreshold = 0.0f;
int NeighborhoodNUMB = 2;
int FrameDistLOOPCLOSURE = 5;
PARAM_CORR_REJ_InlierThreshold = 0.020;
pcl::registration::LUM<pcl::PointXYZRGBNormal> lum;
lum.setMaxIterations( PARAM_LUM_MaxIterations);
lum.setConvergenceThreshold(PARAM_LUM_ConvergenceThreshold);
QVector< pcl::PointCloud<pcl::PointXYZRGB>::Ptr > cloudVector_ORGan_P_;
for (int iii=0; iii<totalClouds; iii++)
{
// read - iii_cloud_ORGan_P_
// transform it with pairwise registration result
cloudVector_ORGan_P_.append(iii_cloud_ORGan_P_);
}
for (size_t iii=0; iii<totalClouds; iii++)
{
pcl::compute3DCentroid(*cloudVector_ORGan_P_[iii], centrVector[iii]);
pcl::IntegralImageNormalEstimation<pcl::PointXYZRGB,pcl::Normal> ne;
//blah blah parameters
//compute normals with *ne*
//pcl::removeNaNFromPointCloud
//pcl::removeNaNNormalsFromPointCloud
pcl::ISSKeypoint3D< pcl::PointXYZRGBNormal, pcl::PointXYZRGBNormal> keyPointDetector;
//blah balh parameters;
//keyPointDetector.compute
//then remove NAN keypoints
pcl::SHOTColorEstimationOMP< pcl::PointXYZRGBNormal,pcl::PointXYZRGBNormal,pcl::SHOT1344 > featureDescriptor;
//featureDescriptor.setSearchSurface(**ful_unorganized_cloud_in_here**);
//featureDescriptor.setInputNormals( **normals_from_above____in_here**);
//featureDescriptor.setInputCloud( **keypoints_from_above__in_here**);
//blah blah parameters
//featureDescriptor.compute
//delete NAN *Feature* + corresp. *Keypoints* with *.erase*
}
for (size_t iii=0; iii<totalClouds; iii++)
{
lum.addPointCloud(KEYptVector_UNorg_P_[iii]);
}
for (size_t iii=1; iii<totalClouds; iii++)
{
for (size_t jjj=0; jjj<iii; jjj++)
{
double cloudCentrDISTANCE = (centrVector[iii] - centrVector[jjj]).norm();
if ( (cloudCentrDISTANCE<PARAM_LUM_centroidDistTHRESH && qAbs(iii-jjj)<=NeighborhoodNUMB) ||
(cloudCentrDISTANCE<PARAM_LUM_centroidDistTHRESH && qAbs(iii-jjj)> FrameDistLOOPCLOSURE) )
{
int sourceID;
int targetID;
if (qAbs(iii-jjj)<=NeighborhoodNUMB) // so that connection are e.g. 0->1, 1->2, 2->3, 3->4, 4->5, 5->0
{ // not sure if it helps
sourceID = jjj;
targetID = iii;
}
else
{
sourceID = iii;
targetID = jjj;
}
*source_cloud_KEYpt_P_ = *lum.getPointCloud(sourceID);
*target_cloud_KEYpt_P_ = *lum.getPointCloud(targetID);
*source_cloud_FEATures = *FEATtVector_UNorg_P_[sourceID];
*target_cloud_FEATures = *FEATtVector_UNorg_P_[targetID];
// KeyPoint Estimation
pcl::registration::CorrespondenceEstimation<keyPointTYPE,keyPointTYPE> corrEst;
corrEst.setInputSource( source_cloud_FEATures);
corrEst.setInputTarget( target_cloud_FEATures);
corrEst.determineCorrespondences(*corrAll);
// KeyPoint Rejection
pcl::registration::CorrespondenceRejectorSampleConsensus<pcl::PointXYZRGBNormal> corrRej;
corrRej.setInputSource( source_cloud_KEYpt_P_);
corrRej.setInputTarget( target_cloud_KEYpt_P_);
corrRej.setInlierThreshold( PARAM_CORR_REJ_InlierThreshold );
corrRej.setMaximumIterations( 10000 );
corrRej.setRefineModel( true );
corrRej.setInputCorrespondences( corrAll );
corrRej.getCorrespondences( *corrFilt);
lum.setCorrespondences(sourceID, targetID, corrFilt);
} // if
} // jjj
} // iii
lum.compute();
// PCLVisualizer - show this - lum.getConcatenatedCloud()
