基于曲率的关键点检测

点云兔子

已于 2024-06-04 14:03:54 修改

阅读量129

点赞数 1

分类专栏：点云PCL 文章标签：算法 PCL 关键点检测曲率

于 2024-06-04 14:03:16 首次发布

本文链接：https://blog.csdn.net/qq_40301351/article/details/139441109

版权

点云PCL 专栏收录该内容

31 篇文章 138 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

通过计算点云中每个点的曲率，识别高曲率点作为关键点。当点的曲率大于0.01时，标记为可能的关键点。进一步计算平均曲率，选择具有最高平均曲率的点作为最终的关键点。

摘要由CSDN通过智能技术生成

曲率是描述点云中每个点局部几何形状的一种度量。高曲率的点通常位于边缘、角点等显著位置。因此，通过检测曲率较高的点，我们可以找到点云中的关键点。

函数实现

下面是一个用于基于曲率检测关键点的函数实现

计算平均曲率

//计算平均曲率
float com_avg_curvature(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
                        pcl::PointCloud<pcl::Normal>::Ptr normals,
                        int i, float radius,
                        pcl::search::KdTree<pcl::PointXYZ>::Ptr tree) {
    float avg_curvature = 0;
    vector<int> point_ind;
    vector<float> point_dist;
    tree->radiusSearch(cloud->points[i], radius, point_ind, point_dist);

    //tree->nearestKSearch(cloud->points[i], num, point_ind, point_dist);
    for (int i = 0; i &l

了解本专栏