三维重建面试11:点云的全局特征总结
来源:互联网 发布:车载导航端口检测工具 编辑:程序博客网 时间:2024/05/22 22:03
点云的检测和分类一般使用全局特征,传统的检测方法严重依赖于点云的场景分割,所幸的是点云的分割一般情况下比二维灰度图像和彩色图像更容易进行。基于分割方法的好处是,一旦目标被正确分割,点云分类即可以转换为较为简单的有遮挡或无遮挡的点云(位姿)识别。此时的分类,即点云识别可以使用Alignment的方法,也可以使用位姿识别方法。
较为流行的检测方法使用了CNN,不加分割的CNN方法有二维CNN方法的一般特性,可以使用图像Map的形式,也可以直接使用点云方式,直接使用点云方式进行CNN处理是暂时的一个难点。
PCL库给出了大量的三维全局特征,经典特征有VFH、CVFH、RSD、ESF等.
参考文章:R. B. Rusu and S. Cousins, “3D is here: Point Cloud Library (PCL)”,in Proc. IEEE ICRA 2011, Shanghai,China, May 9–13, 2011, pp. 1–4。下载地址:https://www.researchgate.net/publication/221068443_3D_is_here_Point_cloud_library_PCL
其中使用的3dvs特征的表征性能,得到了理论上的证明,ESF特征就是3Dvs的特征的集合体。此外,SHOT特征计算量稍大,同时描述性比较强。
阅读全文
0 0
- 三维重建面试11:点云的全局特征总结
- 三维重建面试13:点云的局部特征总结
- 基于图像点特征的多视图三维重建
- 三维重建面试8:点云图像的滤波方法
- 三维重建面试9:点云图像的滤波方法小结
- 三维重建面试10:点云配准和点云匹配
- 点云三维重建有关原理
- 点云三维重建有关原理
- 三维重建生成密集点云osm-bundler
- 图像的全局特征--HOG特征
- 基于图像的三维重建与基于三维点云数据的曲面拟合
- 基于PCL的三维重建——点云的滤波处理
- 点云三维重建--基于两视图的射影重构,仿射重构以及度量重构
- 点云三维重建--基于两视图的射影重构,仿射重构以及度量重构
- 点云三维重建--基于两视图的射影重构,仿射重构以及度量重构
- OpenCV实现SfM(一):双目三维重建(包含SIFT特征点提取)
- 点坐标三维重建
- Android面试点总结
- ddf
- 聚合分组指定排序
- 如何使用Log4j?
- Leetcode: 23.Merge k Sorted Lists
- FDES
- 三维重建面试11:点云的全局特征总结
- 实训笔记第六天
- 深入理解Java:注解(Annotation)自定义注解入门
- Fragment 中使用 SwipeRefreshLayout 导致的不能退出问题
- Linux下查找MySQL配置文件和日志文件位置
- 如何实现模拟相机光圈改变的动画
- Excel应用-各地GDP的综合对比图表-Part2(平均线图、复合饼图、瀑布图、帕累托图)
- vector迭代器失效问题
- android studio常见问题汇总