Point feature histogram (PFH)、Fast PFH(FPFH)

1.PFH

点特征直方图（PFH）表征中心点与其k邻域点之间的估计法线关系。具体的，对于query point 和 k-neighbors 这 k+1 个点，两两配对，可以得到 （k+1）*k 个点对（point pair）。对每一个点对，计算他们之间法向量的相互作用，并描述为4个特征值：(alpha, phi, theta,d)， 如下图所示。

                              

step1:首先为ps定义局部坐标系 u-v-w :

            

           

           

step2: 计算特征值：

        

       

       

       

step3: 特征值编码

       将k*（k+1）个点对的特征向量放到一个直方图中， 统计投票数量。具体的，将每个特征划分为n个区间，并统计落在每个子区间的点数目， 则 PFH 特征矢量有n*4维。

                            

2. FPFH

step1: 特征值

PFH是计算邻域点所有组合的特征元素(左图左右连线，包括pq-pk1们以及pk1-pk2们）, 不同于PFH, FPFH只计算每个查询点Pq和它邻域点（右图红色连线部分的紧邻点）之间的三个特征元素。降低了复杂度，称之为SPFH（simple point feature histograms）。

             

step2: 重新确定k近邻域。

不同于PFH特征模型只计算查询点周围精确的邻域半径内的点， FPFH还包括半径r范围以外的额外点对（不过在2r内，这是由于计算SPFH(Pk)导致的）。Wk权重，一般为距离。

                           

step3: 特征编码

在FPFH中，通过分解三元组（三个角特征）简化了合成的直方图。每个角特征对应一个直方图（bin），并将它们连接(concatenate)在一起。

如：

PFHSignature125：5^3

FPFHSignature33: 11*3

  

 参考：

https://zhuanlan.zhihu.com/p/192343758

https://blog.csdn.net/shixin_0125/article/details/104432255

PFH 和 FPFH 是 PCL 库的作者 Radu Bogdan Rusu 博士提出的，相关论文如下：

• PFH：Aligning point cloud views using persistent feature histograms. IROS, 2008.
• FPFH：Fast Point Feature Histograms (FPFH) for 3D registration. ICRA, 2009.
• Rusu Dissertation：Semantic 3D Object Maps for Everyday Manipulation in Human Living Environments. 2009.