pcl-python icp点云配准 实例代码

ICP（Iterative Closest Point）算法是一种常用的点云配准算法，可以用于将两个点云对齐在同一个坐标系下。下面是一个使用pcl-python实现ICP点云配准的示例代码：

import pcl

# 加载点云数据
cloud1 = pcl.load('cloud1.pcd')
cloud2 = pcl.load('cloud2.pcd')

# 创建ICP对象
icp = cloud1.make_IterativeClosestPoint()
icp.setMaxCorrespondenceDistance(0.05)  # 设置最大对应距离
icp.setMaximumIterations(50)  # 设置最大迭代次数

# 运行ICP算法进行配准
result = pcl.PointCloud()
icp.setInputSource(cloud1)
icp.setInputTarget(cloud2)
icp.align(result)

# 获取变换矩阵和配准误差
transformation = icp.getFinalTransformation()
fitness_score = icp.getFitnessScore()

# 打印结果
print("配准结果：")
print(transformation)
print("配准误差：")
print(fitness_score)

请注意，上述代码中的'cloud1.pcd'和'cloud2.pcd'是代表两个点云数据文件的示例文件名。您需要将代码中的文件名替换为您自己的点云文件。