一、简介
在点云中,曲面法向量与曲率估计只是对指定点周围基础的几何表示,它们虽然可以很快的被计算处理,但是它们所能表征的信息有限,所以有时候单纯的仅仅使用曲率和法向量等来处理数据,是很容易失败的。因此就有学者提出新的特征描述子,它可以更好的去表示点周围的曲面信息,PFH(Point Feature Histogram)就是其中之一。PFH的目标是通过使用多维值直方图泛化点周围的平均曲率来编码点的k邻域几何属性,它可以很好地处理不同的采样密度和邻域存在的噪声。
二、特征实现
2.1实现步骤
(1)计算出每个点的法向量。点的特征直方图表示是基于邻域中的点与它们的表面法线之间的关系。简单地说,它试图通过考虑法线方向之间的相互作用来尽可能地捕捉采样表面的变化。因此,计算PFH的第一步就是要计算出每个点的法向量。
(2)计算出每个点以r为半径球形范围内所有点之间的不同( α , β , θ ,