pcl::correspondence

pcl::correspondence 是 PCL(Point Cloud Library) 中的一个类，用于表示两个点云中的点之间的对应关系。在点云配准等应用中，需要找到两个点云中相对应的点，这个过程就叫做点云的对应。pcl::correspondence 中存储了两个点的索引以及它们之间的距离，可以用于后续的配准计算。在 PCL 中，点云对应的计算可以通过特征描述子匹配等方法来实现。

相关问题

void find_match_shot(pcl::PointCloud<pcl::BINARY>::Ptr shot1, pcl::PointCloud<pcl::BINARY>::Ptr shot2, pcl::CorrespondencesPtr model_scene_corrs) { clock_t start = clock(); pcl::KdTreeFLANNpcl::BINARY matching; matching.setInputCloud(shot1); for (size_t i = 0; i < shot2->size(); ++i) { std::vector<int> neighbors(1); std::vector<int> hammingDistances(1); int neighborCount = matching.nearestKSearch(shot2->at(i), 1, neighbors, hammingDistances); if (neighborCount == 1 && hammingDistances[0] < 0.05f) { pcl::Correspondence correspondence(neighbors[0], static_cast<int>(i), hammingDistances[0]); model_scene_corrs->push_back(correspondence); } }这样是对的吧

是的，对于二进制描述子，不需要判断是否是有限值，因此你可以直接删除原先的那行 `if` 语句，修改后的代码如下：

void find_match_shot(pcl::PointCloud<pcl::BINARY>::Ptr shot1, pcl::PointCloud<pcl::BINARY>::Ptr shot2, pcl::CorrespondencesPtr model_scene_corrs) {
    clock_t start = clock();
    pcl::KdTreeFLANN<pcl::BINARY> matching;
    matching.setInputCloud(shot1);
    for (size_t i = 0; i < shot2->size(); ++i) {
        std::vector<int> neighbors(1);
        std::vector<int> hammingDistances(1);
        int neighborCount = matching.nearestKSearch(shot2->at(i), 1, neighbors, hammingDistances);
        if (neighborCount == 1 && hammingDistances[0] < 0.05f) {
            pcl::Correspondence correspondence(neighbors[0], static_cast<int>(i), hammingDistances[0]);
            model_scene_corrs->push_back(correspondence);
        }
    }
}

这段代码现在逻辑上是正确的。

pcl::Correspondence correspondence(i, best_index, best_distance);

这段代码也是创建一个 correspondence（对应关系）对象，包含了两个点云中的点的索引（i 和 best_index），以及它们之间的距离（best_distance）。不同的是，这里没有进行归一化处理，直接使用了两个点之间的距离值作为相似度值。在某些情况下，直接使用距离值作为相似度值可能更加合适。