PCL中NNDR特征匹配代码

在PCL中，NNDR特征匹配可以使用`pcl::registration::CorrespondenceEstimation`类和`pcl::registration::CorrespondenceRejectorOneToOne`类实现。下面是一个示例代码，用于在两个点云中匹配SURF特征：

#include <pcl/registration/correspondence_estimation.h>
#include <pcl/registration/correspondence_rejection_one_to_one.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/shot_omp.h>
#include <pcl/features/board.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>

typedef pcl::PointXYZ PointT;
typedef pcl::Normal NormalT;
typedef pcl::SHOT352 DescriptorT;

int main(int argc, char **argv)
{
    // 加载两个点云
    pcl::PointCloud<PointT>::Ptr cloud1(new pcl::PointCloud<PointT>);
    pcl::PointCloud<PointT>::Ptr cloud2(new pcl::PointCloud<PointT>);
    pcl::io::loadPCDFile<PointT>("cloud1.pcd", *cloud1);
    pcl::io::loadPCDFile<PointT>("cloud2.pcd", *cloud2);

    // 计算法线
    pcl::PointCloud<NormalT>::Ptr normals1(new pcl::PointCloud<NormalT>);
    pcl::PointCloud<NormalT>::Ptr normals2(new pcl::PointCloud<NormalT>);
    pcl::NormalEstimation<PointT, NormalT> normalEstimator;
    normalEstimator.setInputCloud(cloud1);
    normalEstimator.setRadiusSearch(0.01);
    normalEstimator.compute(*normals1);
    normalEstimator.setInputCloud(cloud2);
    normalEstimator.compute(*normals2);

    // 计算SHOT特征
    pcl::PointCloud<DescriptorT>::Ptr features1(new pcl::PointCloud<DescriptorT>);
    pcl::PointCloud<DescriptorT>::Ptr features2(new pcl::PointCloud<DescriptorT>);
    pcl::SHOTEstimationOMP<PointT, NormalT, DescriptorT> shotEstimator;
    shotEstimator.setInputCloud(cloud1);
    shotEstimator.setInputNormals(normals1);
    shotEstimator.setRadiusSearch(0.01);
    shotEstimator.compute(*features1);
    shotEstimator.setInputCloud(cloud2);
    shotEstimator.setInputNormals(normals2);
    shotEstimator.compute(*features2);

    // 特征匹配
    pcl::registration::CorrespondenceEstimation<DescriptorT, DescriptorT> correspondenceEstimator;
    correspondenceEstimator.setInputSource(features1);
    correspondenceEstimator.setInputTarget(features2);
    pcl::CorrespondencesPtr correspondences(new pcl::Correspondences);
    correspondenceEstimator.determineCorrespondences(*correspondences);

    // NNDR匹配
    pcl::registration::CorrespondenceRejectorOneToOne correspondenceRejector;
    correspondenceRejector.setInputCorrespondences(correspondences);
    correspondenceRejector.setThreshold(0.8); // 设置NNDR阈值
    pcl::CorrespondencesPtr filteredCorrespondences(new pcl::Correspondences);
    correspondenceRejector.getCorrespondences(*filteredCorrespondences);

    // 可视化匹配结果
    pcl::visualization::PCLVisualizer viewer("Correspondences");
    viewer.addPointCloud(cloud1, "cloud1");
    viewer.addPointCloud(cloud2, "cloud2");
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "cloud1");
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "cloud2");
    for (int i = 0; i < filteredCorrespondences->size(); i++) {
        int index1 = filteredCorrespondences->at(i).index_query;
        int index2 = filteredCorrespondences->at(i).index_match;
        std::stringstream ss;
        ss << "correspondence_" << i;
        viewer.addCorrespondence<PointT>(cloud1, cloud2, index1, index2, ss.str());
    }
    viewer.spin();

    return 0;
}

该代码中，我们首先加载了两个点云，然后计算了它们的法线和SHOT特征。接着，使用`CorrespondenceEstimation`类对两个点云的特征进行匹配，并得到了一组初始的匹配对。然后，使用`CorrespondenceRejectorOneToOne`类对这些匹配对进行NNDR匹配，并得到了一组筛选后的匹配对。最后，我们可以使用PCL可视化工具对匹配结果进行可视化。

需要注意的是，在进行NNDR匹配时，需要根据实际应用场景来调整阈值的取值。如果阈值过大，会导致匹配成功的对数较少；如果阈值过小，会导致误匹配的对数较多。