三维点云目标提取总结（续）

三维点云目标提取（续）

3.三维点云目标提取

3.1一般流程

先根据个人认识总结一下目标提取的一般性步骤：

如上所示，三维点云的目标提取关键性的两步即为：特征提取与选择、分类，是不是整个方法流程与图像中的目标识别有点像。本质上看，凡是涉及到目标识别，其方法流程大体是相同的。为什么要搞特征提取，因为我们要识别的目标一般是在一个大场景下，各种目标相互混杂，既然要对某个目标进行识别，当然就需要有一个指标或者数值来最大化不同目标之前的区别，这个指标或者数值就是所谓的目标特征了。所以我们在对目标进行识别时，往往要采用适合本目标的特征。就比如说图像识别中的卷积神经网络CNN，为什么它比用传统通过手工设计的特征进行识别的识别率要高一大截，本质原因就是CNN的特征是通过学习得到的，而且特征表示与分类器是联合优化的。分类器就不累赘了，SVM、boosting、决策树等等。

3.2特征提取

特征提取的重要性从以上就可以看得出来了，它是最终结果能不能满足预期的最重要因素。来看看分类器的不同对结果的影响：

以上的分类器分别为最近邻、决策树、二次判别分析、SVM，所使用的特征是相同的。从结果中可以简单的得出结论，影响目标识别的决定性因素肯定就是特征提取了。其实这也是我理解为什么CNN用的