1. 算法思路

 SAC-IA(Sample Consensus Initial Aligment,SAC-IA)粗配准算法是一种基于局部特征描述子的点云粗配准算法，其需要计算点云的快速点特征直方图（FPFH）来保持对应点对之间的相似关系，根据相似关系来搜索点云中的对应点。其基本原理是采用采样一致性的思想，通过查看大量的点对对应关系来计算点云之间的刚体变换矩阵，并将最小配准误差对应的变换矩阵记为最佳变换矩阵。SAC-IA 算法基于 FPFH 特征描述子寻找对应点对，因此同样具有点云旋转不变性的特点，同时对于点云噪声和密度具有鲁棒性，并且对于初始位姿相差较大的两片点云也能得到较好的初始配准效果。

SAC-IA算法对对应点对进行了抽样，计算较为简单，不容易陷入局部最优等相关问题，显著提高了配准效率，但是却降低了配准精度，因此通常用来进行初始配准。

1.1 算法具体步骤

 公式放大：

 再用文字说明一下：

• 在源点云P中获取数量为nr_samples个随机采样点

这里需检查采样点是否唯一（单次采样中不能含有相同点），采样点之间的间距都必须大于阈值距离。