我想获得一些真实单词对象的 3d 模型。我有两个网络摄像头，使用 openCV 和 SBM 进行立体对应，我得到了场景的点云，通过 z 过滤，我只能得到对象的点云。我知道 ICP 对这个目的有好处，但它需要点云最初很好地对齐，所以它与 SAC 结合以获得更好的结果。但是我的 SAC 体能分数太大了，像 70 或 40，而且 ICP 也没有给出好的结果。
我的问题是：如果我只是旋转相机前面的物体以获得点云，ICP可以吗？必须旋转什么角度才能达到好的效果？或者也许有更好的方法来拍摄物体以获得 3d 模型？如果我的点云会有一些洞，可以吗？良好 ICP 的 SAC 最大可接受适应度得分是多少，良好 ICP 的最大适应度得分是多少？
我的点云文件示例： https ://drive.google.com/file/d/0B1VdSoFbwNShcmo4ZUhPWjZHWG8/view?usp=sharing
我的建议和经验是你已经有 rgb 图像或灰色。ICP 是优化点云的一个很好的应用程序，但是在对齐它们时有一些麻烦。
首先从 rgb 里程计开始（通过特征点对齐点云（相互旋转）），然后使用并学习 ICP 如何与已经提到的点云库一起工作。让 rgb 特征为您提供预测，然后在可能的情况下使用 ICP 对其进行优化。
当此应用程序工作时，请考虑良好的健身分数计算。如果一切正常，请使用 ICP 的主干版本并优化参数。完成这一切之后，您的代码不仅速度快，而且出错的错误率也很低。
下面的帖子是解释出了什么问题。
使用 ICP，我们仅使用几何信息来改进这种转换。但是，这里 ICP 会降低精度。发生的情况是 ICP 尝试匹配尽可能多的对应点。这里屏幕后面的背景在两次扫描中比屏幕本身有更多的点。然后 ICP 将对齐云以最大化背景上的对应关系。然后屏幕未对齐
https://github.com/introlab/rtabmap/wiki/ICP