这个存储库提供了在以下论文中描述的“最相似点”和“可变形最相似点”范例中开发的算法的数据和源代码：IMLP：Seth D. Billings，Emad M. Boctor和Russell H. Taylor，“迭代最相似点注册（IMLP）：一种用于计算最佳形状对准的稳健算法”，PLOS One 10（3）：e0117688（2015）；IMLOP：Seth D. Billings，Russell H. Taylor，“迭代最有可能的定向点注册”，医学图像计算和计算机辅助干预，计算机科学讲义8673：178--185（2014）；G-IMLOP：Seth D. Billings，Russell H. Taylor，“广义迭代最可能定向点（G-IMLOP）注册”，国际计算机辅助放射学和外科杂志10（8）：1213--1226（2015）；P-IMLOP：Seth D. Billings，Hyun J. Kang，Alexis Cheng，Emad M. Boctor，Peter Kazanzides，Russell H. Taylor，“计算机辅助骨科
matlab程序代码终止-cisstICP 基于“最相似点”和“可变形最相似点”范例的配准算法源码与数据
相关推荐
Matlab ICP源码点云配准算法
项目目标
开发用于将部分点云与3D CAD模型配准的管道。
运行步骤
在希望运行代码的目录中创建一个BUILD文件夹。
将CMakeLists.txt和CODE.cpp放入该文件夹。
传递给代码的参数应放在构建中，代码接受3个参数：
参数1 = Kinect点云
参数2 = CAD文件
参数3 = ICP的迭代次数
CAD文件的预处理
将.stl格式的CAD模型以毫米为单位转换为.pcd和米（缩小0.001）。
重要约束条件
Kinect位置不应改变，转换在代码中硬编码。
被注册的对象需放置在一定高度，建议抬高6-7厘米以上。
附加信息
代码中包含示例CMakeLists、获取Kine
Matlab
5
2024-11-01
ICP点云配准算法
简洁明了的点云配准代码，挺适合新手练手的。ICP 的点云配准思路就是每次找最近点，慢慢对齐，直到误差够小为止。源码是用 Matlab 写的，结构清爽，变量命名也还行，不至于看得一头雾水。
代码运行也蛮顺畅的，配套数据一导入就能跑，不用手动改一堆路径。适合那种你突然想搞点云对齐实验，但又不想啃论文的场景。想换数据？只要格式对，改两行就能跑。
如果你对 ICP 感兴趣，想了解下对比算法，我也顺手找了些相关的资源，像是Super-4PCS、SIFT点云配准，还有带图形界面的ImageRegistrationApp，都挺有意思的，可以根据自己方向试试。
哦对，RANSAC那套也值得一看，结合特征点用还
算法与数据结构
0
2025-07-05
SIFT特征点配准Matlab实现
SIFT特征点配准算法的Matlab实现，可直接执行，详细方法请参见运行演示；SIFT是经典算法，原理可在维基百科查阅。
Matlab
13
2024-07-18
Super-4PCS点云配准算法
点云配准里的 Super-4PCS，还挺实用的一个东西，尤其是在大规模数据的时候，速度和精度都有提升。它是老牌 4PCS 算法的升级版，改进了点对筛选和匹配逻辑。简单说，原来需要慢慢找的共线四点对，现在能更快更准地锁定。用 C++写的，结构清晰，构建也不复杂，用 CMake 搞定就行。如果你做无人机建图、自动驾驶那类项目，像激光雷达、结构光这种采集来的点云，用它配准效果还不错，效率也上来了。资源包是Super4PCS-master，解压后能看到源码、头文件、示例代码和CMakeLists.txt。调试的时候按 CMake 流程一步步来，导入两组点云文件，跑一下就能看到结果。比起传统的 ICP、
算法与数据结构
0
2025-07-01
[MATLAB实例]符号计算函数最值点渐近线拐点源码下载
[MATLAB实例]符号计算函数最值点渐近线拐点源码下载链接。这个项目展示了如何使用MATLAB进行符号计算，找到函数的最值点和渐近线拐点。
Matlab
11
2024-08-01
基于关键点的时间序列相似性度量方法研究
传统的时间序列相似性度量方法直接在高维原始序列上进行计算，存在计算量大、效率低的问题。为此，提出一种基于关键点的时间序列相似性度量方法。该方法首先设计一种新的关键点提取算法，该算法不仅可以有效提取非单调序列的关键点，还可以准确识别单调序列的关键点。通过关键点提取，可以有效压缩时间序列的维度，保留序列的整体形态特征。在此基础上，提出一种新的基于关键点的时间序列相似性度量算法，该算法能够计算任意长度的时间序列的相似度，降低了相似性度量对人为设定阈值的依赖，增强了算法的鲁棒性。实验结果表明，与传统方法相比，该方法能够有效提高时间序列相似性度量的效率和精度，为时间序列数据挖掘中的聚类和预测任务提供有效
数据挖掘
20
2024-05-25
基于特征匹配与RANSAC的三维点云配准方法（Matlab实现）
基于特征匹配和RANSAC的三维点云拼接配准方法，还不错哦，用Matlab搞定点云对齐，写起来也不算复杂。
挺适合做点云扫描后，比如你拿到两段激光扫描的点云，直接用特征点配准加RANSAC就能粗对齐，效果还蛮靠谱。
结合下SIFT特征点啥的，更稳。有空还可以瞅瞅 SIFT 特征点配准 Matlab 实现 和 ICP 源码点云配准算法，思路更清晰。
要注意哦，RANSAC虽然抗噪声，但特征点提取不好还是影响结果。平时记得用pcdownsample先降采样，速度快，内存也省。
如果你想自己扩展，还可以看下 Libelas MATLAB 点云匹配封装，挺好用，尤其在稠密匹配场景。
多说一句，如果你要
Matlab
0
2025-06-30
roimehrez/DDIS 使用MATLAB开发的具有可变形多样性相似性的模板匹配
此代码实现了Wild算法中的快速模板匹配，通过计算图像中模板位置的似然图来解决问题。使用光栅扫描技术计算图像地图，而DDIS（Deformable Diversity Similarity）则用于评估每个子窗口与模板之间的相似性。详细信息请参阅Talmi等人的文章“具有可变形多样性相似性的模板匹配”（2016）。项目页面链接：http://cgm.technion.ac.il/Computer-Graphics-Multimedia/Software/DDIS/
Matlab
9
2024-08-15
基于SIFT的图像配准程序
SIFT特征匹配算法是当前全球特征点匹配研究的焦点之一，其具有强大的匹配能力，可处理图像间的平移、旋转、仿射变换等问题，甚至对各种角度拍摄的图像也能实现稳定的特征匹配。
Matlab
8
2024-08-25