3D中特征检测与目标匹配与2D中相同:在不同的角度下找到相互匹配的扫描区域。但是,3D数据的性质要求我们重新考虑什么才是好的评判的标准。我们没有具有相关强度的统一像素网格,而是拥有了看起来都一样的非均匀数据点集合。
对于一个特定的˚F在点云IC点,法线方向与该表面的曲率估计是基本的几何特征的描述。尽管计算简单,快速,但在大多数情况下,点云将包含许多相似或相同的特征值,这使得无法获取更多信息和特征。本文着重介绍一些健壮或高效的局部和全局3D点云特征检测算法。
01. 表面法线估计
平面的法向矢量是垂直于平面的单位矢量,并且表面上某个点的法向矢量定义为垂直于与曲面相切的平面的矢量。检测点的法线向量的计算主要包括基于表面网格的求解方法和基于周围邻域中的点的分布的求解方法。
用于正常估计的不同区域
法线向量所在的轴是邻域分布的最分散方向。假设距N个检测点的距离的半径位于r的附近,则相邻点与查询点p_i之间的协方差矩阵为:
计算C的特征值和特征向量,并按降序{λ1,λ2,λ3}和相应的特征向量{e1,e2,e3}排列特征值。其中,最大值λ1表示邻域点主要集中在相应的特征向量e1<