快速点特征直方图FPFH的可视化

（一）点特征（PF）      

点特征直方图是描述通过计算邻域内所有两点之间关系而得到的直方图，其中使用三个角度来描述两点之间的关系。三个角度的计算如下图所示。因此，在计算PFH时需要计算每个点的法向量，依据相邻点法向量计算得到。

  在推导计算三个角度时，感觉应该是均要加arccos，另外在推导第3个角度时，不清楚是怎么推理的，有知道的留下言。

（二）点特征直方图（PFH）

将每个特征值（只考虑三个角度）范围划分成b个子区间，将每两个点计算得到的角度划入到相应的子区间内，并统计落在每个子区间的点数目，依据统计的数目即可得到得到直方图。（说一点，有人提问x、y轴表示什么，很明显，x轴为划分的子区间，其将3个子区间进行了累加，所以长度为b*3，y轴为落入该子区间内点的数目。）假设某激光点的邻域内有n个点，计算邻域内所有两点间的三参数，可得到个三元素，把三个角度分别划分成b个子区间，统计邻域内个元素落在子区间的数目，即可得到3*b个子区间的直方图。

（三）快速点特征直方图（FPFH）

已知点云P中有n个点，那么它的点特征直方图（PFH）的理论计算复杂度是O(nk^2)， 其中k是点云P中每个点p计算特征向量时考虑的邻域数量。对于实时应用或接近实时应用中，密集点云的点特征直方图（PFH）的计算，是一个主要的性能瓶颈。PFH计算方式的简化形式，称为快速点特征直方图FPFH（Fast Point Feature Histograms），FPFH把算法的计算复杂度降低到了 ，但是仍然保留了PFH大部分的识别特性。
计算步骤如下：

第一步我们先计算了每个查询点Pq的一系列值，并把它叫做SPFH(Simplified Point Feature Histgram)

第二步重新计算每个点的k近邻，使用邻近的SPFH值计算Pq的最终直方图，如下所示：

权重Wk在一些给定的度量空间中，表示查询点Pq和其近邻点Pk之间的距离，可以用来评定一对点（Pq，Pk）。Wk的定义，可根据需要自己设置。

对于一个已知查询点Pq，首先利用Pq和它邻域点之间对应对（下图中红色线）来估算它的SPFH，很显然其比PFH的标准计算少了邻域点之间的互联。其次，点云数据集中所有点都要执行这一计算获取SPFH，接下来使用它的邻近点Pk的SPFH值和Pq点的SPFH值重新计算，从而得到最终Pq点的最终FPFH值。FPFH计算添加的计算连接对，在如下图中使用黑色线表示，一些重要点对（与Pq直接相连的点）被重复计算两次（图中以粗线来表示），而