点云传感器位置估计答案

【问题标题】：Point cloud sensor position estimation点云传感器位置估计
【发布时间】：2017-06-26 15:42:26
【问题描述】：

让我们坐下来，我有我不知道传感器位置的点云数据（它不是 [0,0,0]）。有没有一种好方法可以从中估计原始传感器位置？

例如，从下面的点云中，
点云数据：

找到允许点云看起来像这样的视点。（如深度图）因此没有（或最少）可以观察到孔。

从我想找到的角度来看，点云看起来像这张照片：

【问题讨论】：

如果您正在寻找一个自动化的流程，那么我认为这是不可能的（或者至少很容易做到）。但是，如果您有两个点云（而不是 2D 深度图像），您可以尝试使用基于点的胶合（在 meshlab 中）对齐它们。如果正确对齐，旋转矩阵将为您提供传感器位置的原点，即深度图点云。
感谢您的回答。我想知道是否有自动化的方式..

【解决方案1】：

通常，点云重建是通过以不同角度捕获对象并将它们对齐在一起来完成的。在点云中，这个过程称为注册。因此，kinect 传感器没有静态位置，因为在每一帧中，全局坐标空间中的传感器位置不是静态的。

所以我假设您不是在询问经过重建过程的点云，因此是从静态传感器位置生成的点云。如果该点云未经过任何转换（旋转、过渡）并使用原始深度数据生成，则点云始终在深度相机坐标空间中生成，其中原点是 Kinect 传感器的位置。

在您的问题中，它说传感器位置不是 [0,0,0]，这意味着在捕获深度图像后，它已被转换到新的坐标空间。（我假设新坐标空间的原点是中心给定点云的）。所以在不知道这个变换矩阵的情况下，就无法得到原来的相机位置（相对于新坐标）。

最无能为力的是，当您说“传感器的位置”时，您需要指定您所指的坐标空间。 位置总是相对于特定的坐标空间。

您可以像@Atif Anwer 所说的那样找到相机的位置但是在一种情况下，两个点云中的任何一个都没有经过变换，因此它在原始坐标空间中.然后您可以找到第二个点云相对于第一个点云的变换，并将该变换矩阵应用于 [0,0,0] 以找到第二个点云相对于初始深度相机坐标空间的相机位置。

【讨论】：