PCL点云处理之基于SAC-IA和ICP的点云配准完整流程（二百四十七）

提示： 有点云相关需求的可以私信

---

前言

点云配准分两步走：
SAC-IA（粗配准）：用随机采样和特征匹配快速找到点云间的大致对齐关系（解决全局初始位置偏差）。
ICP（精配准）：在粗配准基础上，通过迭代优化最小化点对距离，实现高精度对齐（解决局部细节偏差）。

一、 算法分步解析

1. 数据预处理

下采样：减少点云密度（如体素滤波），提升计算效率。
特征提取：计算 FPFH（快速点特征直方图）或法向量等全局特征，用于 SAC-IA 的粗匹配。

2. SAC-IA 粗配准

随机采样：从源点云随机选少量点，在目标点云中找特征最匹配的点对。
假设验证：通过多次迭代，筛选出能让最多点对匹配的变换矩阵（粗对齐结果）。
输出：得到一个大致的旋转平移矩阵（初始配准参数）。