PPF 3D模型匹配OpenCV的C++

我开发一个应用程序：

7个读取模型文件和火车一PPF 3D检测;
读取场景文件并尝试与探测器匹配;
将结果存储在文件中（可视化检索）。

我是继OpenCV tutorial，但也有我不理解甚至是阅读documentation几件事情：

的detector.match（）商店上结果的姿势在现场模型。但据我了解，构成是模型的位置和方向，但我怎么知道哪个模型是？
当我打印第一个结果的姿势时，它给了我一个4x4的表格，其上有浮点值。我在哪里可以找到他们的意思？
仍然在姿势打印，它给了我模型索引这首先，我认为这是我用来训练探测器的模型的数量。问题是：我用7个模型来训练探测器，第一个结果给我“Pose to Model Index 12”。所以我认为这是模型描述索引，因为它在 Drost（2012）。但如果它真的是模型描述索引，我怎么知道这个索引属于哪个模型？
根据教程，使用transformPCPose并将其写入PLY文件将给出匹配的视觉结果，但 documentation表示它返回一个4x4姿态矩阵，但我仍在打印它，它会给我一个奇怪的图像超过16个顶点，所以我不明白教程在做什么。我如何将可视化结果写入像教程那样的文件？

我也读过ICP用来纠正任何姿势错误，但是使用没有ICP的PPF会给出可接受的结果。无论如何，我试图使用ICP，但它总是给我“错误的参数错误”。

我使用的代码波纹管写着：

void computer_vision_3d(string in_path) 
{ 
    Mat files_clouds[NUM_OF_FILES];         // > Stores the point cloud of all objects 
    Mat scene_cloud;            // > Stores the scene point cloud 
    ppf_match_3d::PPF3DDetector 
     detector(RELATIVE_SAMPLING_STEP, RELATIVE_DISTANCE_STEP); // > Matches the model with the scene 
    vector<Pose3DPtr> results;          // > Stores the results of the processing 

     // ! Phase 1 - Train Model 
    scene_cloud = loadPLYSimple(DEFAULT_SCENE_PATH.c_str(), PARAM_NORMALS); 
    for(int i = 0; i < NUM_OF_FILES; i++) 
    { 
      // . Init Point Cloud 
     string file_path = DEFAULT_OBJECT_PATH + to_string(i) + ".ply"; 
     files_clouds[i] = loadPLYSimple(file_path.c_str(), PARAM_NORMALS); 

      // . Train Model 
     detector.trainModel(files_clouds[i]); 
    } 

     // ! Phase 2 - Detect from scene 
    detector.match(scene_cloud, results, 
       RELATIVE_SCENE_SAMPLE_STEP, RELATIVE_SCENE_DISTANCE); 

     // ! Phase 3 - Results 
    if(results.size() > 0) 
    { 
     Pose3DPtr result = results[0]; 
     result->printPose(); 

      // ! Transforms the point cloud to the model pose 
     for(int i = 0; i < NUM_OF_FILES; i++) 
     { 
      Mat pct = transformPCPose(files_clouds[i], result->pose); 
      string f_name = "match" + to_string(i) + ".ply"; 
      writePLY(pct, f_name.c_str()); 
     } 
    } 

}

其中一个模型，场景和结果：

Figure 1 One of the seven models
图1 - 一个七个模型。

Figure 2 The scene
图2场景。

Figure 3 The weird result
图3 - 奇怪的结果。