基于点特征直方图（PFH）算法实现点云拼接附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

一种基于点特征直方图(即PFH算子)的点云精简方法,主要步骤如下:从一个点云获取装置中接收点云集合;计算每个点的PFH算子;计算每个点的PFH的标准差,设计精简准则;计算不同标准差阈值与精简率之间的对应关系表;根据用户对精简率的要求,确定阈值;保留点云数据中标准差小于或等于阈值的点集,剔除其余点集.本发明具有较高的精简率,实时强性,且保留足够多的用于场景重构的几何特征.

⛄ 部分代码

% PCA主元分析法求法向量

% 输入：

% p:3*n的数值矩阵

% k:k近邻参数

function n = lsqnormest(p, k)

m = size(p,2);

n = zeros(3,m);

neighbors = transpose(knnsearch(transpose(p), transpose(p), 'k', k+1));

for i = 1:m

    x = p(:,neighbors(2:end, i));

    p_bar = 1/k * sum(x,2);

    P = (x - repmat(p_bar,1,k)) * transpose(x - repmat(p_bar,1,k)); %协方差矩阵

    

    [V,D] = eig(P);

    

    [~, idx] = min(diag(D)); 

    

    n(:,i) = V(:,idx);   % 最小特征值对应的特征向量

    

    %规定方向指向

    flag = p(:,i) - p_bar;

    if dot(n(:,i),flag)<0

        n(:,i)=-n(:,i);

    end

end

⛄ 运行结果

⛄ 参考文献

[1] 汤慧, 周明全, 耿国华. 基于扩展的点特征直方图特征的点云匹配算法[J]. 激光与光电子学进展, 2019, 56(24):8.

[2] 刘玉珍, 张强, 林森. 一种改进的基于快速点特征直方图的ICP点云配准算法[J]. 激光与光电子学进展, 2021.

[3] 秦绪佳, 徐菲, 王建奇,等. 基于法向量直方图特征描述的点云ICP拼接[J]. 小型微型计算机系统, 2016, 37(3):5.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料