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