三维感知与点云智能 · lab-03
实验 03 · 点云配准 ICP 与欧式聚类 DBSCAN
从两组点云的空间对齐出发，认识 ICP 配准，再用邻域聚类将空间上相邻的点组织为目标簇。
点云如何对齐？点的空间邻近关系又如何帮助识别独立目标？
KEY POINTS
这条内容的重点
基础 4 小时
- 能说明点云配准需要估计坐标变换的原因。
- 能描述 ICP 迭代优化的基本思路。
- 能根据聚类结果解释邻域阈值和最小点数的作用。
WORKFLOW
内容流程
准备配准数据
观察源点云与目标点云的初始错位，并记录两者的共同结构。
本步产物 配准前空间关系记录
执行配准与聚类
按实验示例观察 ICP 对齐过程，并对点云执行欧式邻域聚类或 DBSCAN 聚类。
本步产物 配准与聚类可视化结果
检查参数影响
比较变换后的对齐程度和不同聚类参数下的簇划分，说明可能的误差来源。
本步产物 配准质量与聚类参数简析
METHODS
相关方法
- 刚体坐标变换
- ICP 迭代最近点配准
- 邻域密度聚类
DELIVERABLES
可获得的内容
- 配准前后点云对照
- 目标簇分割结果
LIMITATIONS
适用范围与注意事项
- 配套 Notebook、PPT、代码、PDF 与数据附件的来源和再分发许可尚未逐项核验；原件留在 incoming/，本次网站不提供附件下载。
- ICP 通常需要合理的初始位置或重叠区域；聚类表现依赖点云密度和邻域参数。
MATERIALS
相关资料与下载
只展示已核准公开的资料。
当前没有已批准公开的资料。待核验或私有文件不会显示。