Open3D(C++) 基于点云的曲率提取特征点（自定义阈值法）

已于 2024-09-23 08:31:48 修改
阅读量155 收藏
点赞数 5
分类专栏： Open3D学习 文章标签： c++ 开发语言 计算机视觉 算法 3d
于 2024-09-23 08:31:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/142433248
版权
Open3D学习 专栏收录该内容
191 篇文章 880 订阅 ¥19.90 ¥99.00
订阅专栏

目录

在这里插入图片描述

本文由CSDN点云侠原创，原文链接，首发于：2024年9月23日。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的抄袭狗。

一、算法原理

  点云的曲率反映了点云表面的凹凸程度，根据点云曲率的分布情况，设置合适的阈值，提取具有代表性的特征点。算法来自本人自创，具体原理看代码即可！！！

二、代码实现

#include <iostream>
了解本专栏 订阅专栏 解锁全文
点云侠
关注
专栏目录
订阅专栏
点云从入门到精通技术详解100篇-基于三维点云花朵特征提取与分割重建
getusushu的博客
01-31 394
随着时代的发展，科学技术的不断延伸，2D信息的处理已经日渐成熟，且人们不满足于现实生活的信息交流，同时对3D虚拟现实技术进行了深入研究。随着三维扫描技术与3D虚拟现实技术、图形图像技术等高速发展，使得在植物形态学以及农业研究领域中，三维数字建模技术已成为其中不可或缺的技术之一[1]，并且从植物结构的重建到虚拟形态的模拟的相关虚拟植物研究体系也日趋完善[2]。三维点云通俗来讲是一种在三维直角坐标系下的点的数据集，该数据集能够表征物体的属性、信息等。
Open3D(C++)点云处理算法汇总(C++长期更新版)
热门推荐
点云侠的博客
07-31 1万+
C++版本Open3D进行点云处理的一些算法使用案例。博客长期更新，最近一次更新时间为：2024年9月23日。
Open3D(C++) 路面点云标线提取
点云侠的博客
06-17 156
路面点云标线提取的C++版本Open3D代码实现。
点云区域生长分割
taifyang的博客
04-11 2291
原理介绍： （1）首先计算出来各点的曲率值，将曲率值按照从小到大的顺序进行排序。 （2）设置一空的种子点序列和一个空的聚类数组。 （3）选取曲率最小的点放入上述种子点序列中。 （4）从序列中拿出来一个种子点搜索其邻域。 （5）搜索到邻域后，这些点先过法线夹角阈值，通过的保留到聚类数据，然后再从这些通过法线夹角阈值的点中，检查是否通过曲率阈值，通过的加入种子点序列。即比较邻域点的法线与当前种子点法线之间的夹角，如果小于阈值将该邻域点加入聚类数组。再从这些小于法线阈值的点中判断是否小于曲率阈值，如果小于则将该邻
点云处理【六】(点云分割)
略知12的博客
10-20 1546
2.用1中得到的模型去测试所有的其它数据，如果某个点与模型的误差小于某个阈值，则该点适用于这个模型，认为它也是局内点。随机种下曲率较小的种子后进行延申，根据种子邻域与法线之间的角度与阈值比较，从而判断是否处于哪个领域。1.从一个样本集S中，随机抽取n个样本，拟合出一个模型，n是能够初始化模型的最小样本数。4.用所有假设的局内点去重新执行1,2，估计模型，因为它仅仅被初始的假设局内点估计过。3.如果模型内的局内点达到一定个数，那么估计的模型就足够合理。类RegionGrowing.py。
OpenMesh 网格（Mesh）数据简化算法
dayuhaitang1的博客
08-05 934
OpenMesh 网格（Mesh）数据简化算法
计算机视觉：Harris角点检测与SIFT特征提取
weixin_51998427的博客
04-19 850
w(x,y)是窗口函数，最简单情形就是窗口W内的所有像素所对应的w权重系数均为1,窗口外都为0.但有时候，我们会将w(x,y)函数设置为以窗口W中心为原点的二元正太分布。而离窗口W中心(角点)较远的点，这些点的灰度变化几近平缓，这些点的权重系数，可以设定小值，以示该点对灰度变化贡献较小，那么我们自然使用二元高斯函数来表示窗口函数；如果一个点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把它称之为角点，也就是一阶导数(即灰度图的梯度)中的局部最大所对应的像素点就是角点。该算法的主要思想是，如果。
源码OpenCV特征点提取surf特征点提取
04-28
### 源码OpenCV特征点提取：SURF特征点提取 #### 一、引言 在计算机视觉领域，特征点提取是一项基本且重要的技术，它对于图像匹配、物体识别等应用至关重要。SURF（Speeded Up Robust Features）算法作为一种高效...
C语言中union的用法
zyqash的博客
09-21 424
在C语言中，union（联合体）是一种特殊的复合数据类型，它允许多个不同的数据成员共享同一块内存空间。与struct（结构体）不同的是，union中的所有成员共用同一个内存地址，因此同时只能存储一个成员的值。
189. 轮转数组（C++）
weixin_45813121的博客
09-25 350
给定一个整数数组nums，将数组中的元素向右轮转k个位置，其中k是非负数。
c++ 使用 Graham 扫描的凸包（Convex Hull using Graham Scan）
csdn_aspnet的专栏
09-26 747
对于剩余的点，我们跟踪最近的三个点，并找到它们形成的角度。如果这些点的方向（按相同顺序考虑它们）不是逆时针的，我们丢弃 c，否则我们保留它。因此，第六步逐个处理点需要 O(n) 时间，假设堆栈操作需要 O(1) 时间。总体复杂度为 O(n) + O(nLogn) + O(n) + O(n)，即 O(nLogn)。在每个步骤中，算法都会检查添加到凸包中的最后两个点是否形成右转。格雷厄姆扫描算法是一种简单而有效的算法，用于计算一组点的凸包。凸包用于各种计算几何算法，例如查找最近的点对和计算一组点的直径。
ARM 之十八 详解 MDK、IAR、Eclipse 的 C 标准库及重定向输入输出
技术干货
09-23 110
在嵌入式系统开发中，我们通常会将标准输入输出作为一个控制台功能添加到我的嵌入式应用程序中。这样我就有了一个命令行接口，可以检查和修改目标系统。我们最常用的方法就是将标准输入输出进行重定向，今天就来重点学习一下！
求n的阶乘的相反数（c语言）
最新发布
scy2429828663的博客
09-26 186
【代码】求n的阶乘的相反数（c语言）
Codeforces Round 973 (Div. 2) C. Password Cracking
puzhaoyu的博客
09-21 643
说明已经构建到了最右边，那么开始向左边构建。（写这题的时候一直不对，后来发现是忘记cin >> t了，归根结底还是不熟悉交互式编程的输入输出方式）猜一串二进制密码，每次可询问某串字符是否是密码的子串。从左到右不断构建ans字符串，每次不是加。，这可以通过询问得到。
C++ 知识要点：对象内存模型
叫好与叫座虽然不是对立面，但想在同一个作品中达到双重效果很难。
09-21 652
在C++中，通过和->访问对象成员的主要区别在于它们的访问方式和语法。用于直接对象，而->用于通过指针间接访问对象。尽管在底层实现和性能上可能存在微小的差异，但这些差异通常被现代编译器的优化所掩盖。更重要的是要考虑代码的可读性、维护性和安全性。在实际的C++实现中，不同的编译器可能会采用不同的策略来记录虚基类子对象的偏移信息。一些编译器可能会选择将偏移信息嵌入到虚函数表中，而另一些则可能会使用额外的指针。这些选择通常取决于编译器的设计目标、性能考虑以及与其他特性的兼容性。
简易STL实现 | Set 的实现
AsherGu的博客
09-26 265
如何使用；代码实现及其他（包括之前红黑树可以运行实现）
C++ 字符串中的第一个唯一字符 - 力扣（LeetCode）
SikJ_2020_0_24的博客
09-21 300
比如：假设str[1] = 'b ‘a’的ASCII码值是97，那么count[ str[ 1 ] - 'a' ],也就是count[ 1 ]对应的是b出现的次数。所以遍历一次字符串就可以得到每个ASCII码值出现的次数，在遍历一次字符串，第一个ASCII码值所对应计数数组的值为1，就是第一个只出现一次的字符。由于小写字母一共有26个，所以利用ASCII码值来创建一个整形数组count，来保存对应ASCII码值出现的次数。它的第一个不重复的字符，并返回它的索引。
Python对于C语言使用者来说的反直觉特性
m0_62710548的博客
09-22 712
在编程领域，从一种语言转向另一种语言总是伴随着一系列的学习和调整。对于习惯了C语言严谨性的程序员来说，转向Python可能会遇到一些令人惊讶的特性。以下是我在短暂学习了一段时间python后察觉到的一些python的特性。
open3d c++ NDT点云配准
09-14
Open3D中的NDT（Normal Distribution Transform）点云配准算法用于实现点云的精细配准。这个算法基于正态分布变换，通过估计源点云和目标点云之间的旋转矩阵和平移向量来将它们对齐。 要使用Open3D中的NDT点云配准算法，可以按照以下步骤进行操作： 1. 首先，导入Open3D模块，并加载需要配准的源点云和目标点云。示例代码如下： ```python import open3d as o3d # 加载需要配准的点云文件 source = o3d.io.read_point_cloud("source.ply") target = o3d.io.read_point_cloud("target.ply") ``` 2. 创建一个`open3d.registration.TransformationEstimationPointToPoint`对象，以便在NDT算法中用于估计初始变换。示例代码如下： ```python # 创建TransformationEstimationPointToPoint对象 estimation_method = o3d.registration.TransformationEstimationPointToPoint() ``` 3. 创建一个`open3d.registration.TransformationEstimationPointToPlane`对象，以便在NDT算法中用于优化变换。示例代码如下： ```python # 创建TransformationEstimationPointToPlane对象 optimization_method = o3d.registration.TransformationEstimationPointToPlane() ``` 4. 调用`open3d.registration.registration_icp`函数，并传递源点云、目标点云、初始变换估计方法和优化方法作为参数，以执行NDT点云配准。示例代码如下： ```python # 执行NDT点云配准 result = o3d.registration.registration_icp(source, target, 0.1, np.eye(4), estimation_method, optimization_method) ``` 其中，`0.1`是对应于最大配准误差的阈值，`np.eye(4)`是一个4x4的单位矩阵，表示初始变换矩阵。 5. 可以通过`result.transformation`属性获取到配准后的变换矩阵。示例代码如下： ```python # 获取配准后的变换矩阵 transformation_matrix = result.transformation ``` 这样，你就可以使用Open3D中的NDT点云配准算法实现点云的精细配准了。请注意，还有其他参数可以调整来优化配准结果，例如迭代次数和距离阈值等。你可以查阅Open3D的官方文档以获取更多详细信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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