3d点云处理--特征点提取

本文探讨3D点云处理中的特征点提取,包括Handcrafted、Harris家族、ISS等方法,强调特征点提取对于ICP配准的重要性。Harris特征通过分析点在x,y方向intensity变化率来识别角点。Harris与Shi-Tomasi角点检测的区别在于评分公式,广泛应用于图像处理、3D重建等领域。" 134323901,7337247,程序员入门区块链:开发与投资指南,"['区块链', '智能合约', '去中心化', 'Python', '数据安全']
摘要由CSDN通过智能技术生成

特征点提取思路:

Handcrafted

  • Harris family
    • Harris 3D
    • Harris 5D
  • ISS

Deep Learning

  • USIP

 

特征点的描述方法较多。

直接的icp,ndt方法可能不好=》寻找特征点,进行描述,匹配

ICP配准失败原因:

1. 初始化位置选择有问题

2. 两帧点云重合的部分较少=》扫到了不同的部分,比如innvosuion的雷达

 

 

 

Harris特征

物理意义上理解harris特征:

我们关注每个点在x,y方向intensity变化的速率。

如果在两个方向变化都快,这就是角点。

数学上设计理念:

1.  通过一个scalar的阈值进行判断

2. 考虑到两个方向对于最后得到数值的影响。  

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值