课程笔记-三维点云处理07—— 3D Feature Detection
本系列笔记是对深蓝学院所开设的课程:《三维点云处理》的笔记 课程每周更新,我也会努力将每周的知识点进行总结,并且整理成笔记发上来,欢迎各位多多交流&批评指正!!
本文主要为课程第七章的笔记! 由于第六章继续进行深度学习领域知识讲解,因此不仅知识量陡增,课程量也加大,因此本章将分为上下两篇笔记进行记录。 本节课主要讲3D特征感知,介绍
课程链接:
三维点云处理——深蓝学院
本节课大纲: ############################################################
先从图像特征点开始讲,然后拓展到三维特征点。
而后分别用传统的方法和深度学习方法将特征点的处理 检测 与表述
正式内容: ####################################################
Introduction & harris 2d
特征点:一些关键的 有代表性的点 通常在推暗中指像素
特征点的应用:找到特征点之后,可以以他周围的信息生成的向量去描述该特征点
一个例子:利用特征点的识别与匹配去做全景图的合成
在图像当中,特征点的一个非常典型且重要的应用:SLAM
如feature based SLAM 是利用特征点的坐标与位置进行构图的。
点云特征点: 点云当中也有一些特征点(关键点)比较具有代表性
很经典的一个理论是,每个角点都是特征点,如何找到这些特征点成为了任务所在
通过对特征点回归与匹配进行点云配准和点云融合