PCL点云库各模块学习之Features(1)-1
发布网友
发布时间：2025-01-12 17:01
共1个回答
热心网友
时间：2025-01-24 00:13
本文主要总结了PCL库中实现的多种3D特征点算法，包括点特征直方图（PFH）、快速点特征直方图（FPFH）、视点特征直方图（VFH）、集群视点特征直方图（CVFH）、旋转不变特征变换（RIFT）、半径基于表面描述符（RSD）、正交径向特征（NARF）和集束形状函数（ESF）。这些特征点算法在三维点云处理中具有广泛的应用场景，例如物体识别、定位和跟踪等。以下详细介绍了每种算法的输入格式、工作原理和特点。
点特征直方图（PFH）是一种局部特征点算法，适用于一组带有方向的点云。其输入包括一组定向点P，不使用颜色信息。算法通过迭代点云中的点，收集具有半径r的点周围的球体内的所有相邻点，计算目标点处的平均曲率，并将结果组合放入直方图箱中。
快速点特征直方图（FPFH）在PFH的基础上进行了优化，减少了计算量。其工作原理与PFH相似，但仅考虑查询点与其邻居之间的直接对，生成简单的点特征直方图（SPFH）。为了达到更多的点和连接，相邻的SPFH根据其空间距离加权。
视点特征直方图（VFH）是一种全局特征点算法，适用于一组定向点云，不使用颜色信息。其工作原理包括计算点云的质心和法向量，迭代点云中的所有点，计算它们的法线以及与视点之间的角度，增加相应的直方图bin。同时，对于扩展的FPFH组件，计算质心处的FPFH，并将整个周围点云设置为邻居。
集群视点特征直（CVFH）是基于区域描述的特征点，适用于一组定向点云，不使用颜色信息。其通过创建稳定的集群区域，从点云开始，从随机点开始创建新的簇，分配给点使得它们的法线类似且位于直接邻域中。计算每个簇上的VFH，为每个直方图添加形状分布。
旋转不变特征变换（RIFT）是一种局部特征描述法，适用于一组纹理点组成的点云，需要强度梯度的计算。其迭代点云中的所有点，收集具有半径r的点周围的球体内的所有相邻点，通过计算假想圆上的片段，拟合表面，使用邻居的距离和法线角度来表示曲率，并分配给输出。
半径基于表面描述符（RSD）是一种局部特征点算法，适用于一组带有方向信息点的点云，不使用颜色信息。其迭代点云中的点，收集具有半径r的点周围的球体内的所有相邻点，计算距离和法线角度，分配给表示曲率的直方图，通过拟合具有近似半径rc的假想圆来计算曲率。
正交径向特征（NARF）是一个局部特征点，适用于场景的深度图像RI。它不仅是一个描述符，还是一个检测器。在深度图像中迭代所有兴趣点，创建围绕每个点的小图像补丁，投影星形图案到图像块上，计算每个波束的分数，并根据分数和权重计算补片的主导方向，使其对法线周围的旋转不变。
集束形状函数（ESF）是一种局部特征点算法，适用于一组点P组成的点云，不使用颜色信息。其从点云中随机抽样20,000点，每次迭代采样三个点，计算距离、线是否位于表面或外部、区域的平方根、角度，并将结果分配给相应的直方图bin，最终得到包含多个子图形的全局描述符。
