SAC算法和SAC-IA算法

SAC算法是一种基于采样一致性的点云配准算法，它通过随机采样一组点对，计算它们之间的变换矩阵，然后将这个变换矩阵应用到源点云上，得到一个变换后的点云，再计算变换后的点云与目标点云之间的误差，最终选择误差最小的变换矩阵作为最终的配准结果。SAC算法的优点是简单易懂，但是它的精度和鲁棒性都不够高。

SAC-IA算法是在SAC算法的基础上进行改进的一种点云配准算法。它首先使用SAC算法进行粗配准，然后再使用ICP算法进行精配准。在SAC算法中，它使用了FPFH特征描述子来计算点对之间的误差，从而提高了配准的精度和鲁棒性。同时，SAC-IA算法还使用了一种称为“采样一致性”的技术，来提高算法的鲁棒性。采样一致性是指在随机采样点对的过程中，尽可能地选择那些与其他点对一致的点对，从而减少误差。