FPFH的代码实现如下所示:
pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ);
pcl::PointCloudpcl::Normal::Ptr cloud_normal(new pcl::PointCloudpcl::Normal);
pcl::PointCloudpcl::FPFHSignature33::Ptr fpfh_feature(new pcl::PointCloudpcl::FPFHSignature33);
//计算法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal;
normal.setInputCloud(cloud);
pcl::search::KdTreepcl::PointXYZ::Ptr tree(new pcl::search::KdTreepcl::PointXYZ);
normal.setSearchMethod(tree);
normal.setKSearch(10);
normal.compute(*cloud_normal);
//特征描述符计算部分
pcl::FPFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> fpfh;
fpfh.setInputCloud(cloud);
fpfh.setInputNormals(cloud_normals);
pcl::search::KdTreepcl::PointXYZ::Ptr tree(new pcl::search::KdTreepcl::PointXYZ);
fpfh.setSearchMethod(tree);
fpfh.setRadiusSearch(2.0);
fpfh.compute(*fpfh_feature);
//特征描述的输出
for (int i = 0; i < fpfh_feature->size(); i++) {
pcl::FPFHSignature33 descriptor = fpfh_feature->points[i];
cout << descriptor << endl;
}
特征向量由三个角度信息进行表征,每个角度均被分为11个区间,所以这里特征描述每个点会输出含有33个元素特征向量;可通过调用point成员变量来实现对点云中某个点特征描述的输出,特征向量中的每个元素都以百分比(例落在α0-α1这个区间内的点占总数的比)的形式进行输出。
输出结果如下: