![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云处理学习笔记
文章平均质量分 75
看到我请叫我学C++
这个作者很懒,什么都没留下…
展开
-
点云处理学习笔记(九)-- 模板匹配理论学习
一、模型描述和投票方案 首先,我们假设待匹配的场景(Scene)与用于匹配的模型(Model)都是由有限个有向点构成的,也就是说这里面的每个点都有一个对应的法向量(这样的表现特征可以很容易从网格(Mesh)或者点云(Clouds)中计算出来)。 将所有场景中的点表述为:...原创 2021-08-06 14:52:32 · 2900 阅读 · 11 评论 -
点云处理学习笔记(八)-- 点云配准
一、点云配准 点云配准的实质是把不同坐标系中测得的数据点云进行坐标系的变换,以得到整体的数据模型,问题的关键是如何得到坐标变换的旋转矩阵R和平移向量T,使得两视角下测得的三维数据经坐标变换后距离最小。目前的配准算法按照过程可以分为:整体配准和局部配准。二、两两配准 一对点云数据集的配准问题就是两两配准(pair-wise registration),通过一个估计得到的表示平移和旋转的4*4刚体变换矩阵来使得一个点云的数据集精确地与另一个点云数据集(目标数据集)进行配准。...转载 2021-07-02 11:43:40 · 4314 阅读 · 0 评论 -
点云处理学习笔记(七)-- 特征描述 Spin Image
一、Spin Image Spin Image是基于点云空间分布的最经典的特征描述方法,其思想是将一定区域的点云分布转换成二维的Spin Image,然后对场景和模型的Spin Image进行相似性度量: P:三维网格某顶点p的切面 n:p点单位法向量 x:p附近的三维网格上的另一个顶点 α:x点在P上的投影与p的距离 β:x点与P点的垂直距离...转载 2021-07-02 10:46:20 · 1282 阅读 · 0 评论 -
点云处理学习笔记(六)-- 特征描述 2D/3D Shape Context
一、2D Shape Context 形状上下文特征多用于形状匹配和目标识别,它采用一种基于形状轮廓的特征描述方法,其在对数极坐标系下利用直方图描述形状特征能够很好地反映轮廓上下采样点的分布情况。形状上下文特征的基本原理如下: 1.对于一个给定的形状,通过边缘检测算子(如Canny算子)获取轮廓边缘,对轮廓边缘采样将获得一组离散的点集P = {p1, p2, p3, ..., pn}; 2.计算形状上下文,以其中任意一点pi为参考点,在以pi为圆心、R为半径的...转载 2021-07-01 13:42:53 · 2076 阅读 · 0 评论 -
点云处理学习笔记(四)-- 关键点提取
一、关键点,线,面 三维视觉应同时具备:关键点、关键线以及关键面三种算法,要从n维信息中提取n - 1维信息是简单的,但是n - 2维信息会比n - 1维信息要不稳定且复杂的多,其主要原因是因为降维过大后,特征的定义很模糊,对于三维点云而言,很难去描述什么是关键点。二、点云降维 二维图像中的Harris角点算子将图像的边缘交点定义为关键点,Harris算子利用角点在两个方向上响应很大的灰度协方差矩阵来定义角点。在三维点云中,可以将三维的点云投射为二维的图像,这样的方法被称...转载 2021-06-30 14:49:04 · 5257 阅读 · 1 评论 -
点云处理学习笔记(三)-- 点云的曲率
一、点云的曲率 在传统的信号处理中,信号的频率反应了信号的变换速率;在图像处理中,高低频的概念被引申到不同方向上图像灰度的变化,傅里叶变换可以用于提取图像的而周期成分滤除布纹噪声。在点云处理中:点云法向量差为点云表达的信号。如果某处点云的曲率大,那么该点云表达的是一个变化的信号,如果某处点云曲率小,那么该点云表达的是一个不变的信号。二、基于点云曲率的滤波方法 DoN(Difference of Normal)算法其目的在于去除点云低频信息完成滤波,低频信息往往会对分割产生...转载 2021-06-30 11:03:45 · 5866 阅读 · 0 评论 -
点云处理学习笔记(二)-- 点云滤波
一、点云滤波的概念 点云滤波类似于信号处理中的滤波,其目的是为了突出需要的信息,但其实现手段与信号处理不一样: 1.点云不是具体函数,三维坐标系下的点云并非依照规律或者某种数值关系进行定义,难以建立起二维坐标系下的联系。 2.点云在空间中呈离散分布,不像二维图像具有明显的位置定义域。 3.点云在空间中的分布非常广泛,要想遍历点云中的每个点,并建立其点与点之间的关系非常困难。 4.点云滤波依赖于空间几何信息,而非数值关系。二、...转载 2021-06-30 10:46:59 · 2163 阅读 · 0 评论 -
点云处理学习笔记(一)-- 点云概述及PCL
一、点云模型和三维信息 对于视觉测量而言,物体的二维信息随视角的变化,其投影也会发生变化,但是三维图像对于不同的测量方式具有更好的统一性,通过加入第三个维度,可以很好地实现物体与背景的解耦。三维图像信息其表现形式包括:深度图(以灰度表示物体与相机的距离)、几何模型(由CAD软件建立)以及点云模型(所有逆向工程都将物体采样成点云)。点云模型由直接测量获得,每一个点对应一个测量点,这些未经过处理的点包含了大量未经处理的信息,因此需要通过三维图像处理的手段将这些信息提取出来。二、点云处理的方式...转载 2021-06-30 08:28:34 · 756 阅读 · 0 评论 -
点云处理学习笔记(五)-- 特征描述子 PPF、PFH及FPFH
一、特征描述子 从三维场景中提取物体的基本思路是:先提取关键点,再使用各种局部特征描述子对关键点进行描述,最后与待检测物体进行比对,得到点 - 点的匹配。对于缺乏表面纹理,局部曲率变化很小,或点云本身就很系数的物体,采用局部特征描述子很难有效的提取到匹配对。 1)PPF特征描述子 Point Pair Feature特征描述算子其算法思想如下: 1.PPF的特征为[d, <d, n1>, <d, n2>, <n1,...转载 2021-07-01 09:32:02 · 3911 阅读 · 0 评论