实用指南：Matlab通过GUI实现点云的GICP配准
本节分享的是使用Matlab进行点云的GICP配准。GICP（Generalized Iterative Closest Point，广义迭代最近点）是 ICP 算法的改进版本，核心优势在于引入高斯混合模型（GMM）描述点云分布，并通过最大化两点云间的概率相似度实现配准，而非仅依赖 “最近点距离最小化”。相比传统 ICP，GICP 具有：
更强鲁棒性：可处理点云密度不均、噪声干扰场景；
更高精度：考虑点云局部几何特征（如法向量、协方差）；
更快收敛：通过概率模型优化迭代方向，减少迭代次数。
一、 MATLAB 对 GICP 的支持
MATLAB 通过Computer Vision Toolbox提供 GICP 点云配准的完整工具链，核心函数包括：
pcregistergicp：执行 GICP 配准，输出配准后点云及变换矩阵；
pcpreprocess：点云预处理（去噪、下采样），为配准优化输入数据；
pcshowpair：可视化配准前后两点云的叠加效果，辅助结果验证；
pccorrespondences：计算点云对应关系，可用于配准过程监控。
二、MATLAB 中 GICP 点云配准主要流程
1. 步骤 1：点云数据准备
数据获取：导入待配准的两点云（源点云source、目标点云target），支持格式包括.pcd、.ply、.las等，通过pcread函数读取：
source = pcread('source.pcd'); % 源点云（待变换点云） target = pcread('target.pcd'); % 目标点云（参考点云）
预处理优化：
- 去噪：用pcpreprocess去除孤立噪声点（基于统计滤波）：
source = pcpreprocess(source, 'NumNeighbors', 10, 'Sigma', 1.5); target = pcpreprocess(target, 'NumNeighbors', 10, 'Sigma', 1.5);
- 下采样：若点云密度过高，通过pcdownsample降低点数（保留关键几何特征），提升配准效率：
source = pcdownsample(source, 'gridAverage', 0.05); % 栅格尺寸0.05m target = pcdownsample(target, 'gridAverage', 0.05);2. 步骤 2：初始配准（可选但关键）
GICP 需依赖初始变换姿态（避免陷入局部最优），若两点云初始偏差较大，需先执行粗配准：
常用方法：基于特征的配准（如 SIFT、FPFH），或使用 MATLAB 内置的 ICP 粗配准函数pcregistericp（设置InitialTransform参数）：
% 粗配准获取初始变换矩阵 [~, initT] = pcregistericp(source, target, 'Metric', 'pointToPlane');3. 步骤 3：GICP 配准参数设置与执行
调用pcregistergicp函数，核心参数需根据场景调整：
% 执行GICP配准 [registeredSource, tform] = pcregistergicp( source, % 源点云 target, % 目标点云 'InitialTransform', initT, % 初始变换矩阵 'MaxIterations', 200, % 最大迭代次数（默认100） 'ConvergenceThreshold', 1e-6, % 收敛阈值（位置/姿态变化小于该值停止） 'CovarianceEstimation', 'knn', % 协方差估计方式（knn/grid，默认knn） 'NumNeighbors', 15 % 协方差估计的邻域点数（默认10） );
输出说明：registeredSource为配准后源点云，tform为 4×4 刚体变换矩阵（包含平移 + 旋转）。
4. 步骤 4：配准结果评估与可视化
定量评估：计算配准后两点云的均方根误差（RMSE），反映配准精度：
% 计算对应点对距离 correspondences = pccorrespondences(registeredSource, target); distances = sqrt(sum((correspondences.SourcePoints - correspondences.TargetPoints).^2, 2)); rmse = mean(distances); % RMSE越小，精度越高
定性可视化：用pcshowpair对比配准前后效果：
figure; % 配准前（红色：源点云，蓝色：目标点云） subplot(1,2,1); pcshowpair(source, target, 'VerticalAxis', 'Y', 'HorizontalAxis', 'X'); title('配准前'); % 配准后 subplot(1,2,2); pcshowpair(registeredSource, target, 'VerticalAxis', 'Y', 'HorizontalAxis', 'X'); title(['配准后（RMSE=' num2str(rmse) '）']);三、GICP 点云配准的应用领域
1. 三维重建领域
场景：文物数字化、建筑三维建模、工业零件逆向工程；
应用逻辑：通过多视角（如激光雷达、结构光相机）采集点云，用 GICP 配准拼接为完整三维模型，解决 “单视角点云遮挡” 问题；
MATLAB 优势：预处理工具链完善，可快速处理百万级点云，可视化结果便于模型验证。
2. 自动驾驶领域
场景：激光雷达（LiDAR）点云与高精地图（HD Map）匹配、多传感器（LiDAR + 相机）数据融合；
应用逻辑：通过 GICP 将实时 LiDAR 点云与预存高精地图配准，实现车辆定位（精度达厘米级），适应雨天、强光等复杂环境；
核心需求：GICP 的鲁棒性可抵抗点云噪声（如路面杂物干扰），快速收敛满足实时性要求（MATLAB 可通过 GPU 加速进一步提升效率）。
3. 工业检测领域
场景：零件尺寸公差检测、装配精度验证；
应用逻辑：将实测零件点云与设计模型（CAD 导出点云）通过 GICP 配准，计算对应点距离偏差，判断是否符合公差标准；
MATLAB 价值：支持与 CAD 软件（如 SolidWorks）数据交互，pcregistergicp的高精度特性可满足工业级检测需求（公差≤0.1mm）。
4. 机器人导航领域
场景：室内移动机器人定位、仓储机器人环境感知；
应用逻辑：机器人携带深度相机采集环境点云，通过 GICP 与预建地图配准，实现自主定位与路径规划；
适配性：GICP 对动态障碍物（如行人、货架）的鲁棒性，优于传统 ICP，减少导航偏差。
本次使用的数据。。。。兔呗
一、点云GICP配准的程序
1、最简版
%% GICP_Register_Fusion.m —— MATLAB 2024a 兼容（修复版）
clc; clear; close all;
%% 1. 读取源点云
[file, path] = uigetfile({'*.pcd;*.ply','点云文件 (*.pcd,*.ply)'}, ...
'请选择点云（例如 bunny.pcd）');
if file==0; return; end
sourcePtCloud = pcread(fullfile(path,file));
%% 2. 生成目标点云（修复只读属性问题）
rotAngle = 30; % 旋转角度（度，绕Z轴）
transVec = [0.1 0.15 0.2]; % 平移向量
noiseStd = 0.0005; % 低噪声标准差
targetPtCloud = createTargetCloud(sourcePtCloud, rotAngle, transVec, noiseStd);
%% 3. GICP配准（保留简洁传参）
[tform, regPtCloud, rmse] = pcregistericp(sourcePtCloud, targetPtCloud, ...
'Metric', 'pointToPlane', ...
'MaxIterations', 35, ...
'InlierDistance', 0.2);
%% 4. 可视化结果
figure('Name','初始点云','Color','w');
pcshowpair(sourcePtCloud, targetPtCloud);
title('红色=源点云，绿色=目标点云（含旋转+平移+噪声）');
figure('Name','GICP配准结果','Color','w');
pcshowpair(regPtCloud, targetPtCloud);
title(['红色=配准后点云，绿色=目标点云 | RMSE = ' num2str(rmse,'%.6f')]);
%% 5. 多指标评估（修复距离计算函数）
evalResult = evaluateReg(regPtCloud, targetPtCloud, 0.2);
disp('================ 配准评估结果 ================');
disp(['内点比例：' num2str(evalResult.inlierRatio,'%.2f%%')]);
disp(['平均距离：' num2str(evalResult.meanDist,'%.6f')]);
disp(['RMSE（均方根误差）：' num2str(evalResult.rmse,'%.6f')]);
disp('=============================================');
%% 子函数1：生成目标点云（修复只读属性问题）
function targetCloud = createTargetCloud(sourceCloud, rotAngle, transVec, noiseStd)
srcPoints = sourceCloud.Location; % N×3 源点坐标
% 步骤1：计算点云中心并平移到原点
cloudCenter = mean(srcPoints, 1);
pointsCentered = srcPoints - cloudCenter;
% 步骤2：绕Z轴旋转
rotRad = deg2rad(rotAngle);
rotMat = [cos(rotRad) -sin(rotRad) 0;
sin(rotRad) cos(rotRad) 0;
0 0 1];
pointsRotated = (rotMat * pointsCentered')';
% 步骤3：平移回原中心 + 额外平移
pointsTranslated = pointsRotated + cloudCenter + transVec;
% 步骤4：添加噪声
pointsNoisy = pointsTranslated + noiseStd * randn(size(pointsTranslated));
% 关键修复：创建新的pointCloud对象（而非修改原有对象的Location）
targetCloud = pointCloud(pointsNoisy, ...
'Normal', sourceCloud.Normal, ...
'Color', repmat([0 1 0], size(pointsNoisy,1), 1));
end
%% 子函数2：配准多指标评估（用knnsearch替代pcpdist）
function result = evaluateReg(regCloud, targetCloud, inlierThresh)
% 获取两点云的坐标
regPoints = regCloud.Location; % M×3 矩阵
targetPoints = targetCloud.Location; % N×3 矩阵
% 计算每个配准点到目标点云中最近点的距离（替代pcpdist）
% 使用knnsearch寻找最近邻，兼容更多MATLAB版本
[~, dists] = knnsearch(targetPoints, regPoints); % 输出为列向量
% 计算评估指标
result.inlierRatio = mean(dists < inlierThresh) * 100; % 内点比例（%）
result.meanDist = mean(dists); % 平均距离
result.rmse = sqrt(mean(dists.^2)); % RMSE
end2、GUI版本
function GICP_Register_GUI
%GICP_Register_GUI 基于GICP算法的点云配准GUI（三栏视图）
% 兼容MATLAB 2024a，无需额外工具箱
clc; clear; close all;
%% ---------------- 主窗口 ----------------
fig = figure('Name','GICP 配准工具', 'NumberTitle','off', ...
'MenuBar','none', 'ToolBar','none', ...
'Position',[100 100 1280 720], 'Color','w');
%% ---------------- 布局常量 ----------------
imgWidth = 0.78; % 三栏总宽
panelW = imgWidth/3 - 0.005; % 单栏宽
gap = 0.005;
%% ---------------- 三栏 axes ----------------
pnlSrc = uipanel('Parent',fig, 'Units','normalized', ...
'FontSize',16, 'Position',[0.02 0.02 panelW 0.96], ...
'Title','源点云（红）');
pnlTgt = uipanel('Parent',fig, 'Units','normalized', ...
'FontSize',16, ...
'Position',[0.02+panelW+gap 0.02 panelW 0.96], ...
'Title','目标点云（绿）');
pnlReg = uipanel('Parent',fig, 'Units','normalized', ...
'FontSize',16, ...
'Position',[0.02+2*(panelW+gap) 0.02 panelW 0.96], ...
'Title','GICP 配准后（红→绿）');
axSrc = axes('Parent',pnlSrc, 'Units','normalized', 'Position',[0.05 0.05 0.9 0.9]);
axTgt = axes('Parent',pnlTgt, 'Units','normalized', 'Position',[0.05 0.05 0.9 0.9]);
axReg = axes('Parent',pnlReg, 'Units','normalized', 'Position',[0.05 0.05 0.9 0.9]);
%% ---------------- 控制面板 ----------------
pnlCtrl = uipanel('Parent',fig, 'Units','normalized', ...
'FontSize',16, 'Position',[0.78 0 0.22 1], ...
'Title','控制');
txtH = 0.04; btnH = 0.06; yTop = 0.94;
% ① 加载
uicontrol('Parent',pnlCtrl, 'Style','pushbutton', 'String','浏览…', ...
'FontSize',16, 'Units','normalized', ...
'Position',[0.05 yTop-btnH 0.9 btnH], ...
'Callback',@loadCloud);
yTop = yTop - btnH - 0.02;
% 状态提示
lblInfo = uicontrol('Parent',pnlCtrl, 'Style','text', ...
'String','未加载点云', 'FontSize',10, ...
'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], ...
'HorizontalAlignment','left');
yTop = yTop - txtH - 0.02;
% ② 噪声标准差 / m
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','噪声标准差 / m', ...
'FontSize',12, 'FontWeight','bold', 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.01;
sliderNoise = uicontrol('Parent',pnlCtrl, 'Style','slider', ...
'Min',0, 'Max',0.01, 'Value',0.0005, ...
'Units','normalized', ...
'Position',[0.05 yTop-btnH 0.65 btnH], ...
'Callback',@refreshTarget);
txtNoise = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','0.0005', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.75 yTop-btnH 0.2 btnH], ...
'Callback',@editNoiseCB);
yTop = yTop - btnH - 0.02;
% ③ 旋转角度 / 度
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','旋转角度（Z轴）/ 度', ...
'FontSize',12, 'FontWeight','bold', 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.01;
sliderRot = uicontrol('Parent',pnlCtrl, 'Style','slider', ...
'Min',0, 'Max',180, 'Value',30, ...
'Units','normalized', ...
'Position',[0.05 yTop-btnH 0.65 btnH], ...
'Callback',@refreshTarget);
txtRot = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','30', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.75 yTop-btnH 0.2 btnH], ...
'Callback',@editRotCB);
yTop = yTop - btnH - 0.02;
% ④ 平移偏移 / m
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','平移偏移 / m', ...
'FontSize',12, 'FontWeight','bold', 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.01;
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','X', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.15 txtH]);
editX = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','0.1', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.20 yTop-txtH 0.20 txtH], ...
'Callback',@refreshTarget);
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','Y', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.45 yTop-txtH 0.15 txtH]);
editY = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','0.15', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.60 yTop-txtH 0.20 txtH], ...
'Callback',@refreshTarget);
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','Z', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-2*txtH 0.15 txtH]);
editZ = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','0.2', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.20 yTop-2*txtH 0.20 txtH], ...
'Callback',@refreshTarget);
yTop = yTop - 2*txtH - 0.02;
% ⑤ GICP参数
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','GICP 参数', ...
'FontSize',12, 'FontWeight','bold', 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.01;
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','最大迭代次数', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.4 txtH], 'HorizontalAlignment','left');
editMaxIter = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','35', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.50 yTop-txtH 0.45 txtH]);
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','内点距离阈值', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-2*txtH 0.4 txtH], 'HorizontalAlignment','left');
editInlierDist = uicontrol('Parent',pnlCtrl, 'Style','edit', 'String','0.2', ...
'FontSize',14, 'Units','normalized', ...
'Position',[0.50 yTop-2*txtH 0.45 txtH]);
yTop = yTop - 2*txtH - 0.02;
% ⑥ 运行 GICP
uicontrol('Parent',pnlCtrl, 'Style','pushbutton', 'String','运行 GICP 配准', ...
'FontSize',16, 'Units','normalized', ...
'Position',[0.05 yTop-btnH 0.9 btnH], ...
'Callback',@runGICP);
yTop = yTop - btnH - 0.02;
% ⑦ 评估结果显示
uicontrol('Parent',pnlCtrl, 'Style','text', 'String','配准评估结果', ...
'FontSize',12, 'FontWeight','bold', 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.01;
lblInlier = uicontrol('Parent',pnlCtrl, 'Style','text', 'String','内点比例：--', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH;
lblMeanDist = uicontrol('Parent',pnlCtrl, 'Style','text', 'String','平均距离：--', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH;
lblRMSE = uicontrol('Parent',pnlCtrl, 'Style','text', 'String','RMSE：--', ...
'FontSize',10, 'Units','normalized', ...
'Position',[0.05 yTop-txtH 0.9 txtH], 'HorizontalAlignment','left');
yTop = yTop - txtH - 0.02;
% ⑧ 保存
uicontrol('Parent',pnlCtrl, 'Style','pushbutton', 'String','保存配准结果', ...
'FontSize',16, 'Units','normalized', ...
'Position',[0.05 yTop-btnH 0.9 btnH], ...
'Callback',@(s,e)saveCloud(ptCloudReg));
%% ---------------- 数据容器 ----------------
ptCloudSrc = pointCloud.empty;
ptCloudTgt = pointCloud.empty;
ptCloudReg = pointCloud.empty;
tform = [];
rmse = 0;
%% ---------------- 回调函数 ----------------
function loadCloud(~,~)
[file,path] = uigetfile({'*.ply;*.pcd;*.xyz','点云文件'},'选择点云');
if isequal(file,0); return; end
try
ptCloudSrc = pcread(fullfile(path,file));
catch ME
errordlg(ME.message,'读取失败'); return;
end
set(lblInfo,'String',sprintf('已加载：%s (%d 点)',file,ptCloudSrc.Count));
refreshTarget();
end
function refreshTarget(~,~)
if isempty(ptCloudSrc); return; end
% 1. 读取界面参数
noiseStd = get(sliderNoise,'Value');
rotAngle = get(sliderRot,'Value');
t = [str2double(get(editX,'String'));
str2double(get(editY,'String'));
str2double(get(editZ,'String'))]; % 3×1
if any(isnan(t)); t = [0.1; 0.15; 0.2]; end
transVec = t.'; % 1×3
% 2. 生成目标点云
ptCloudTgt = createTargetCloud(ptCloudSrc, rotAngle, transVec, noiseStd);
% 3. 上色区分
ptCloudSrc.Color = repmat(uint8([255 0 0]),size(ptCloudSrc.Location,1),1); % 红色
ptCloudTgt.Color = repmat(uint8([0 255 0]),size(ptCloudTgt.Location,1),1); % 绿色
% 4. 显示点云
showPointCloud(axSrc,ptCloudSrc);
showPointCloud(axTgt,ptCloudTgt);
% 5. 清空上次结果
ptCloudReg = pointCloud.empty;
cla(axReg); title(axReg,'GICP 配准后（红→绿）');
% 6. 清空评估结果
set(lblInlier, 'String', '内点比例：--');
set(lblMeanDist, 'String', '平均距离：--');
set(lblRMSE, 'String', 'RMSE：--');
% 7. 同步滑竿文本
set(txtNoise,'String',num2str(get(sliderNoise,'Value')));
set(txtRot,'String',num2str(get(sliderRot,'Value')));
end
function editNoiseCB(src,~)
v = str2double(get(src,'String'));
if isnan(v); v=0.0005; end
v = max(0,min(0.01,v)); % 限制范围
set(sliderNoise,'Value',v);
refreshTarget();
end
function editRotCB(src,~)
v = str2double(get(src,'String'));
if isnan(v); v=30; end
v = max(0,min(180,v)); % 限制范围
set(sliderRot,'Value',v);
refreshTarget();
end
function runGICP(~,~)
if isempty(ptCloudSrc) || isempty(ptCloudTgt)
errordlg('请先加载点云','提示'); return;
end
% 获取GICP参数
maxIter = str2double(get(editMaxIter,'String'));
if isnan(maxIter) || maxIter <= 0; maxIter = 35; end
inlierDist = str2double(get(editInlierDist,'String'));
if isnan(inlierDist) || inlierDist <= 0; inlierDist = 0.2; end
% GICP配准
try
[tform, regPtCloud, rmse] = pcregistericp(ptCloudSrc, ptCloudTgt, ...
'Metric', 'pointToPlane', ...
'MaxIterations', maxIter, ...
'InlierDistance', inlierDist);
catch ME
errordlg(ME.message,'配准失败'); return;
end
ptCloudReg = regPtCloud;
ptCloudReg.Color = repmat(uint8([255 0 0]),size(ptCloudReg.Location,1),1);
% 可视化配准结果
showPointCloud(axReg,ptCloudReg); hold(axReg,'on');
pcshow(ptCloudTgt,'Parent',axReg); hold(axReg,'off');
title(axReg,'GICP 配准结果：红→绿');
% 评估配准结果
evalResult = evaluateReg(ptCloudReg, ptCloudTgt, inlierDist);
% 更新评估结果显示
set(lblInlier, 'String', sprintf('内点比例：%.2f%%', evalResult.inlierRatio));
set(lblMeanDist, 'String', sprintf('平均距离：%.6f', evalResult.meanDist));
set(lblRMSE, 'String', sprintf('RMSE：%.6f', evalResult.rmse));
end
function saveCloud(cloud)
if isempty(cloud)
errordlg('请先运行 GICP 配准','提示'); return;
end
[file,path] = uiputfile({'*.pcd','PCD';'*.ply','PLY';'*.xyz','XYZ'},'保存配准点云');
if isequal(file,0); return; end
try
pcwrite(cloud,fullfile(path,file),'Precision','double');
msgbox('保存成功！','提示');
catch ME
errordlg(ME.message,'保存失败');
end
end
function showPointCloud(ax,pc)
cla(ax); set(ax,'Color','w');
pcshow(pc,'Parent',ax,'MarkerSize',35);
axis(ax,'tight'); grid(ax,'on'); view(ax,3); drawnow;
end
%% ---------------- 子函数1：生成目标点云 ----------------
function targetCloud = createTargetCloud(sourceCloud, rotAngle, transVec, noiseStd)
srcPoints = sourceCloud.Location; % N×3 源点坐标
% 步骤1：计算点云中心并平移到原点
cloudCenter = mean(srcPoints, 1);
pointsCentered = srcPoints - cloudCenter;
% 步骤2：绕Z轴旋转
rotRad = deg2rad(rotAngle);
rotMat = [cos(rotRad) -sin(rotRad) 0;
sin(rotRad) cos(rotRad) 0;
0 0 1];
pointsRotated = (rotMat * pointsCentered')';
% 步骤3：平移回原中心 + 额外平移
pointsTranslated = pointsRotated + cloudCenter + transVec;
% 步骤4：添加噪声
pointsNoisy = pointsTranslated + noiseStd * randn(size(pointsTranslated));
% 创建新的pointCloud对象
targetCloud = pointCloud(pointsNoisy, ...
'Normal', sourceCloud.Normal, ...
'Color', repmat([0 1 0], size(pointsNoisy,1), 1));
end
%% ---------------- 子函数2：配准多指标评估 ----------------
function result = evaluateReg(regCloud, targetCloud, inlierThresh)
% 获取两点云的坐标
regPoints = regCloud.Location; % M×3 矩阵
targetPoints = targetCloud.Location; % N×3 矩阵
% 计算每个配准点到目标点云中最近点的距离
[~, dists] = knnsearch(targetPoints, regPoints); % 输出为列向量
% 计算评估指标
result.inlierRatio = mean(dists < inlierThresh) * 100; % 内点比例（%）
result.meanDist = mean(dists); % 平均距离
result.rmse = sqrt(mean(dists.^2)); % RMSE
end
end二、点云进行GICP配准的结果
我有罪，我忏悔，我不该抛弃matlab2020a，以上程序使用的是2024a。不过该说不说，高级版本是真的好用哎。话又说回来，既然人家开发了好的工具，为嘛不用呢，君子性非异也，善假于物也。你说是不？
就酱，下次见^-6
浙公网安备 33010602011771号