图像匹配和点云匹配的区别和联系
特征点匹配
- 二维匹配：提取特征点->寻找匹配点->得到匹配关系
- 立体匹配：一般指双目或多目相机拍出来的图像先进行二维匹配得到匹配关系，根据匹配关系求得视差，然后根据已知结构信息（外参）求得深度，求得三维坐标
- 点云匹配：是已知目标的三维坐标（世界坐标）求两者之间的外参，也就是变化关系
https://ask.csdn.net/questions/243010
使用深度学习进行点云匹配（一）：https://blog.csdn.net/xckkcxxck/article/details/84671024
使用深度学习进行点云匹配（二）：https://blog.csdn.net/xckkcxxck/article/details/84784003
使用深度学习进行点云匹配（三）：https://blog.csdn.net/xckkcxxck/article/details/84936177
使用深度学习进行点云匹配（四）：https://blog.csdn.net/xckkcxxck/article/details/85165276
使用深度学习进行点云匹配（五）：https://blog.csdn.net/xckkcxxck/article/details/85689916
利用深度学习进行点云匹配（六）：https://blog.csdn.net/xckkcxxck/article/details/88744411
三维点云的重建与匹配概述：百度文库
三维重建10：点云配准和点云匹配：https://blog.csdn.net/wishchin/article/details/74279021
ICP点云匹配的算法：https://blog.csdn.net/u014709760/article/details/99241393
如果不知道相邻两张图的哪个点是匹配点，就假设最近的点，然后迭代。。
基于相似性测度研究的点云匹配关系求解研究：https://www.cnblogs.com/ghjnwk/p/10194709.html
点云配准领域论文：https://www.cnblogs.com/ghjnwk/p/10475358.html
基于PCL的点云平面分割拟合算法技术路线（针对有噪声的点云数据）：https://www.cnblogs.com/ghjnwk/p/10178975.html