PCL学习笔记四:3D feature in PCL
来源:互联网 发布:雅思阅读什么网络课好 编辑:程序博客网 时间:2024/04/28 19:50
介绍一下3D特征抽取
理论原型
Rusu在他的博士论文中讲到:点,在3D绘图系统中,是用笛卡尔坐标系下,相对给定原点的x,y,z值定义的。假定坐标系原点不随时间变化而改变,那么可能存在两个分别在t1和t2时刻得到的p1和p2点,具有相同的坐标。比较这些点实际是病态的,因为即使它们相对于某距离度量(如欧氏度量)相等,也可以是完全不同的表面上采样得到的,因而当与其附近其他点一同考虑时,代表着完全不同的信息。因为实际生活中,无法保证t1和t2之间世界没有改变。有些采集设备可能提供采样点额外信息,如采样点强度,surface remission value,颜色,但不能完全解决此问题,这种比较仍然模棱两可。
出于各种原因,为了用更好的特性和度量来区分几何表面,笛卡尔坐标系下的三维点作为一个单一实体的概念消失了,取而代之的是一个新的概念——局部描述子(local descriptor)。类似的概念还有shape descriptor,或geometric descriptor。本文后面描述时将称其为point feature representaion。
通过包括周围相邻点,采样暗含的曲面几何体可以从特征表达中推断出来。这有助于解决模糊比较的问题。在理想的情况下,对在相同或类似表面上的点,所得到的特征将非常相似(相对于一些度量);不同表面上的点得到的特征不同。如下图所示。好的特征表示存在如下标准:
- 刚性变换 ——三维旋转和平移不影响所得特征向量F估计;
- 采样密度可变—— 局部曲面块采样密度变化,特征向量签名不变;
- 噪音—— 在存在轻度噪声的情况下, 特征向量不变。
一般,PCL用快速kd树查找法决定有多少点作为相邻点,需要:
- 决定哪k(用户输入参数)个作为相邻点(k-search);
- 所有相邻点处于以目标点为球心,半径为r的球内(r-search).
(k,r的选取见Rusu的论文)
如何输入数据
setInputCloud (PointCloudConstPtr &) -必选
setIndices (IndicesConstPtr &) -可选
setSearchSurface (PointCloudConstPtr &) -可选
共四种可能,用到setSearchSurface()时,最常见的情况是输入数据量很大,想在keypoints或降维了的点云(pcl::VoxelGrid<T> filter)。做法是:setInputCloud(downsampled/keypoints);setSearchSurface(the original data).
Normal Estimation表面法向量
综上,先搜索到临近点,再用来估计局部特征表现(最能描述被搜索点附近的几何曲面)。描述几何曲面,首先要解决的问题是——找出曲面在坐标系中的方向,即法向量。表面法向量在CG应用中经常用于计算光源,投影和其他视觉效果。由于实际得到的是曲面抽样点,以下两种计算法向量方法:
- 从点云获取表面,生成表面mesh,再算法向量;
- 从点云直接近似推出法向量。
下面用的是方法2。
理论基础
(未完待续。。。)
- PCL学习笔记四:3D feature in PCL
- PCL 学习笔记_1
- pcl点云库学习笔记
- PCL学习笔记
- PCL学习笔记
- PCL学习笔记一:io
- PCL学习笔记三:filter
- 点云库PCL学习笔记1
- PCL学习
- PCL学习
- PCL学习笔记(3):PCL中可用的PointT类型
- PCL学习笔记(一)PCL+VS2010环境配置
- PCL学习笔记(一)PCL+VS2010环境配置
- PCL 学习笔记-使用 PCL 来显示点云
- PCL学习笔记(1)---可视化(3)-range_image_visualization
- pcl里面的3D特征
- pcl里面的3D特征
- PCL 3D-NDT算法点云配准
- 使用if判断文件的存在
- 第八章 Libgdx输入处理(4)手势捕获
- 执行mysql脚本文件方法
- linux中断机制及中断注册2(韦东山的视频总结及针对linux-2.6.30.4)
- web mvc
- PCL学习笔记四:3D feature in PCL
- pcDuino的linux移植四简单驱动开发
- POJ 1789 Truck History
- acm 2021
- c#时间显示
- 栈,队列 以及 stack, queue 的相互实现 .
- 十进制转化为十六进制怎么算
- PHP 5.5.0 Alpha3 发布
- 二分图——最大匹配数(最小覆盖数)、最大独立数、最小路径覆盖、带权最优匹配