icp变换矩阵解释答案

【问题标题】：icp transformation matrix interpretationicp变换矩阵解释
【发布时间】：2013-09-28 03:59:38
【问题描述】：

我正在使用 PCL 从 ICP (getTransformationMatrix()) 中获取转换矩阵。以没有旋转的平移运动为例，得到的结果是

0.999998         0.000361048   0.00223594     -0.00763852
-0.000360518     1             -0.000299474   -0.000319525
-0.00223602      0.000298626   0.999998       -0.00305045
       0         0             0              1

如何从矩阵中找到转换？我们的想法是查看估计和实际运动之间的误差

【问题讨论】：

标签： opencv point-cloud-library

【解决方案1】：

我没有使用你在这里引用的库，但我很清楚你提供的结果是一个齐次变换，即左上角的 3x3 矩阵 (R) 是旋转矩阵，右边的 3x1 (T)是翻译：

M1 = [  **[** [R], [T] **], [** 0 0 0 1 **]**  ]

请参阅此处的“矩阵表示”部分： http://en.wikipedia.org/wiki/Kinematics

使用这种表示法，您可以通过乘以变换矩阵来获得连续变换后的最终点。

如果你有一个点 p0 转换 n 次你得到点 p1 为：

P0 = [[p0_x], [p0_y], [p0_z], [1]]
P1 = [[p1_x], [p1_y], [p1_z], [1]]
M = M1*M2*...*Mn
P1 = M*P0

【讨论】：

【解决方案2】：

tROTA 是带有平移和旋转的矩阵：

auto trafo = icp.getFinalTransformation();

Eigen::Transform<float, 3, Eigen::Affine> tROTA(trafo);

float x, y, z, roll, pitch, yaw;

pcl::getTranslationAndEulerAngles(tROTA, x, y, z, roll, pitch, yaw);

【讨论】：