點雲配準從入門到精通

郭浩PCL(Point CloudLearning)
中(www.pclcn.org)創始人之一。
2008年開始B的外服的國相關行業的傳道、授業和解惑。
在點雲據獲取處理領域公開發表EI/SCl論文十餘及相關著作兩本。

前言
硬核技術篇
第1章緒論
1.1什麼是三維點雲
1.2點雲數據獲取技術
1.2.1接觸式
1.2.2非接觸式
1.3什麼是點雲配準
1.3.1剛性配準
1.3.2非剛性配準
1.4三維點雲配準應用領域
1.4.1機器人及無人駕駛領域
1.4.2測繪遙感領域
第2章配準相關數學基礎
2.1空間變換及其參數化
2.1.1什麼是歐式變換與變換矩陣
2.1.2什麼是軸角
2.1.3什麼是歐拉角
2.1.4什麼是四元數
2.1.5其他空間變換
2.2空間變換的不同表示之間的互相轉換與實戰
2.2.1旋轉矩陣與軸角
2.2.2旋轉矩陣與歐拉角
2.2.3旋轉矩陣與四元數
2.2.4軸角與四元數
2.2.5軸角與歐拉角
2.2.6歐拉角與四元數
2.2.7空間變換實戰
2.3對應點已知時優變換求解原理與實戰
2.3.1剛性變換的問題描述
2.3.2優平移向量求解
2.3.3優旋轉矩陣求解
2.3.4反射矩陣消除
2.3.5基於SVD剛性變換矩陣計算流程總結
2.3.6SVD估計變換矩陣的關鍵代碼分析
2.3.7SVD變換矩陣估計算法應用案例
第3章關鍵點檢測
3.1什麼是點雲關鍵點檢測
3.1.1關鍵點檢測的概念與作用
3.1.2關鍵點檢測的發展
3.2ISS（內蘊形狀特徵）
3.2.1ISS檢測原理
3.2.2【實戰】基於ISS關鍵點檢測點雲配準
3.3NARF（法線對齊的徑向特徵）
3.3.1NARF檢測原理
3.3.2【實戰】基於NARF關鍵點檢測點雲配準
3.4Harris
3.4.1Harris檢測原理
3.4.2【實戰】基於Harris關鍵點檢測點雲配準
3.5SIFT 3D
3.5.1SIFT 3D檢測原理
3.5.2【實戰】基於SIFT 3D關鍵點檢測點雲配準
3.6SUSAN
3.6.1SUSAN檢測原理
3.6.2【實戰】基於SUSAN關鍵點檢測點雲配準
3.7AGAST（角點檢測）
3.7.1AGAST檢測原理
3.7.2【實戰】基於AGAST關鍵點檢測點雲配準
3.8在點雲配準任務上各個關鍵點檢測表現對比
第4章點雲特徵描述子
4.1什麼是點雲特徵描述子
4.2Spin Image（旋轉圖像）
4.2.1Spin Image特徵描述子原理
4.2.2【實戰】Spin Image配準實例
4.33DSC（3D形狀上下文特徵）
4.3.13DSC特徵描述子原理
4.3.2【實戰】利用3DSC進行ICP精配準
4.4PFH（點特徵直方圖）
4.4.1PFH特徵描述子原理
4.4.2【實戰】PFH計算與對應點可視化
4.5FPFH（快速點特徵直方圖）
4.5.1FPFH特徵描述子原理
4.5.2【實戰】FPFH計算與對應點可視化
4.6SHOT（方向直方圖）
4.6.1SHOT特徵描述子原理
4.6.2【實戰】SHOT計算與對應點可視化
4.7VFH（視點特徵直方圖）
4.7.1VFH特徵描述子原理
4.7.2【實戰】點雲VFH特徵提取實例
4.8在廢鋼點雲上對比實驗
算法應用篇
第5章經典剛性配準算法
5.1稀疏迭代近點算法（Sparse ICP）
5.1.1Sparse ICP發明者
5.1.2Sparse ICP算法設計的靈感、應用範圍、優缺點和泛化能力
5.1.3Sparse ICP算法原理描述
5.1.4Sparse ICP算法實現及關鍵代碼分析
5.1.5Sparse ICP實戰案例測試及結果分析
5.2快速魯棒的ICP（Fast and Robust Iterative Closest Point）
5.2.1快速魯棒的ICP發明者
5.2.2快速魯棒的ICP算法設計的靈感、應用範圍、優缺點和泛化能力
5.2.3快速魯棒的ICP算法原理
5.2.4快速魯棒的ICP算法實現及關鍵代碼分析
5.2.5快速魯棒的ICP實戰案例測試及結果分析
5.3泛化的近點迭代法（Generalized-ICP）
5.3.1Generalized-ICP發明者
5.3.2Generalized-ICP算法原理描述
5.3.3Generalized-ICP算法實現及關鍵代碼分析
5.3.4Generalized-ICP實戰案例測試及結果分析
5.4全局迭代近點算法（Global Iterative Closest Point GoICP）
5.4.1GoICP發明者
5.4.2GoICP算法設計的靈感、應用範圍、優缺點和泛化能力
5.4.3GoICP算法的原理描述
5.4.4GoICP算法實現及關鍵代碼分析
5.4.5GoICP實戰案例分析、算法測試過程及結果分析
5.5針對環境構圖的全局一致性掃描點雲數據對齊（Graph SLAM）
5.5.1Graph SLAM發明者
5.5.2Graph SLAM算法設計的靈感、應用範圍、優缺點
5.5.3Graph SLAM算法原理描述
5.5.4Graph SLAM算法實現及關鍵代碼分析
5.5.5Graph SLAM算法測試過程及結果分析
5.6Multiview LM-ICP 配準算法
5.6.1Multiview LM-ICP配準算法背景介紹
5.6.2Multiview LM-ICP配準算法原理描述
5.6.3Multiview LM-ICP配準算法實現及代碼分析
5.6.4Multiview LM-ICP配準實戰案例分析
5.7基於正態分佈變換的配準算法（NDT）
5.7.1NDT配準算法發明者
5.7.2正態分佈變換配準算法設計的靈感、應用範圍和優缺點
5.7.3正態分佈變換配準算法原理描述
5.7.4正態分佈變換配準算法實例及其關鍵代碼分析
5.8SDRSAC：基於半正定的隨機點雲配準算法
5.8.1SDRSAC發明者
5.8.2SDRSAC算法設計的靈感、應用範圍和優缺點
5.8.3SDRSAC算法原理描述
5.8.4SDRSAC實現的關鍵代碼分析
5.8.5SDRSAC實戰案例分析
5.9PointDSC：利用深度空間一致性的魯棒性點雲配準算法
5.9.1PointDSC發明者
5.9.2PointDSC算法設計的靈感、應用範圍、優缺點和泛化能力
5.9.3PointDSC算法原理描述
5.9.4PointDSC算法實現及關鍵代碼分析
5.9.5PointDSC算法測試過程及結果分析
5.10體素化廣義迭代近點配準算法（VGICP）
5.10.1VGICP發明者
5.10.2VGICP算法設計的靈感、應用範圍和優缺點
5.10.3VGICP算法原理描述
5.10.4VGICP算法實現及關鍵代碼分析
5.10.5VGICP算法實戰案例測試及結果分析
5.11SAC-IA初始配準算法
5.11.1SAC-IA發明者
5.11.2SAC-IA算法應用範圍和優缺點
5.11.3SAC-IA算法原理描述
5.11.4SAC-IA算法實現及關鍵代碼分析
5.11.5SAC-IA算法實戰案例測試及結果分析
5.12Super 4PCS配準算法
5.12.1Super 4PCS發明者
5.12.2Super 4PCS算法設計的靈感、應用範圍和優缺點
5.12.3Super 4PCS算法原理描述
5.12.4Super 4PCS算法實現及關鍵代碼分析
5.12.5Super 4PCS實戰案例測試過程及結果分析
5.13K-4PCS點雲配準算法
5.13.1K4PCS點雲配準發明者
5.13.2K4PCS算法設計的靈感、應用範圍和優缺點
5.13.3K-4PCS算法原理描述
5.13.4K-4PCS算法實現及關鍵代碼分析
5.13.5K-4PCS實戰案例分析、算法測試過程及結果分析
第6章經典非剛性配準算法
6.1具有重加權位置和變換稀疏性的魯棒非剛性配準算法（RPTS）
6.1.1RPTS發明者及算法概述
6.1.2RPTS算法原理描述
6.1.3RPTS算法的實現及關鍵代碼分析
6.1.4RPTS算法測試過程及結果分析
6.2Fast_RNRR基於擬牛頓法求解的魯棒非剛性配準算法（QuasiNewton Solver for Robust NonRigid Registration）
6.2.1Fast_RNRR基於擬牛頓法求解的魯棒非剛性配準算法概述
6.2.2Fast_RNRR算法原理描述
6.2.3Fast_RNRR算法實現及關鍵代碼分析
6.2.4Fast_RNRR實戰案例與算法測試分析
6.3非剛性ICP算法
6.3.1非剛性ICP算法發明者
6.3.2非剛性ICP算法設計的靈感、應用範圍和泛化能力
6.3.3非剛性ICP算法原理描述
6.3.4非剛性ICP實戰案例及關鍵代碼分析
6.3.5非剛性ICP測試過程及結果分析
6.4基於高斯混合模型的魯棒點集配準算法
6.4.1基於高斯混合模型的魯棒點集配準算法發明者
6.4.2魯棒高斯混合模型算法設計的靈感、應用範圍、優缺點和泛化能力
6.4.3魯棒高斯混合模型算法原理描述
6.4.4魯棒高斯混合模型算法實現及關鍵代碼分析
6.4.5魯棒高斯混合模型實戰案例分析
6.5一致點漂移算法（CPD）
6.5.1CPD發明者
6.5.2CPD算法設計的靈感、應用範圍、優缺點和泛化能力
6.5.3CPD算法原理描述
6.5.4CPD實戰案例及關鍵代碼分析
6.5.5CPD測試過程及結果分析