1.前言
点云配准是点云处理的重要技术之一，可以用来估计物体位姿，拼接多个视角下的点云.
分别用基于采样一致性的粗配准，以及粗配准与ICP精配准结合的方法进行配准实验。
粗配准流程图如下，主要为精配准提供一个比较好的初始位置。
开始
点云降采样
提取法向量
提取FPFH特征
根据特征的距离确定点对关系
随机选择几个点对计算刚性变换矩阵
是否达到迭代次数？
结束
yes
no
精配准采用ICP配准，PCL库实现思路：
开始
根据距离最近原则确定点对
确定目标函数
求解刚性变换
误差是否收敛到指定范围 or 是否达到迭代次数?
结束
yes
no
2.思考
以上可以看出无论是粗配准还是精配准，核心在于：
点对关系如何确定？
x,y,z距离还是特征距离，特征选择或设计哪一个，目标函数距离度量选择或设计哪一个，包括这里没考虑的错误点对排除问题
求解变换矩阵的方法？
svd分解法，对偶四元数法
3.结果
粗配准+精配准
4.代码
代码放在了github，比较简单。
https://github.com/Coldplayplay/SAC-IA
5.参考
stackoverflow robust registration of two point clouds
p-chao
转：https://blog.csdn.net/coldplayplay/article/details/78509541