一、ISS 关键点提取算法介绍
ISS算法是一种基于点云曲率和法向量的关键点检测方法
1.建立关键点的局部坐标系(Intrinsic reference frame);
2.求关键点与邻域点的协方差矩阵(a weighted scatter matrix);
3.利用协方差矩阵的特征值(eigen value)之间关系来形容该点的特征程度。
显然这种情况下的特征值是有几何意义的,特征值的大小实际上是椭球轴的长度。椭球的的形态则是对邻近点分布状态的抽象总结。试想,如果临近点沿某个方向分布致密则该方向会作为椭球的第一主方向,稀疏的方向则是第二主方向,法线方向当然是极度稀疏(只有一层),那么则作为第三主方向。
如果某个点恰好处于角点,则第一主特征值,第二主特征值,第三主特征值大小相差不会太大。
如果点云沿着某方向致密,而垂直方向系数则有可能是边界。
二、compute_iss_keypoints函数解析
keypoints = o3d.geometry.keypoint.compute_iss_keypoints(pcd)
参数:
pcd:点云数据
返回值:
提取关键点坐标。
三、代码实现
虽然网上有很多解释,但都没有说得很清楚,这个算子到底提取了什么样的点?
ISS是一种基于曲率变化的点云关键点提取算法。它通过计算每个点与其近邻点的曲率变化,得到该点的稳定性和自适应尺度,从而提取稳定性和尺度合适的关键点。
import open3d as o3d
import time
if __name__ == "__main__":
# Compute ISS Keypoints on armadillo pointcloud.
armadillo_data = o3d.data.ArmadilloMesh()
mesh = o3d.io.read_triangle_mesh(armadillo_data.path)
pcd = o3d.geometry.PointCloud()
pcd.points = mesh.vertices
tic = time.time()
keypoints = o3d.geometry.keypoint.compute_iss_keypoints(pcd)
toc = 1000 * (time.time() - tic)
print("ISS Computation took {:.0f} [ms]".format(toc))
mesh.compute_vertex_normals()
mesh.paint_uniform_color([0.5, 0.5, 0.5])
keypoints.paint_uniform_color([1.0, 0.0, 0.0])
o3d.visualization.draw([keypoints, mesh], point_size=5)