Open3D 基于曲率大小的特征点提取

目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

三、实现效果

3.1原始点云

3.2提取特征点

---

Open3D点云算法汇总及实战案例汇总的目录地址：

Open3D点云算法与点云深度学习案例汇总（长期更新）-CSDN博客

---

一、概述

        基于曲率大小的特征点提取是一种常见的点云处理方法，用于识别和提取点云中具有显著几何特征的关键点。通过计算点云中每个点的曲率，并选择曲率较大的点作为特征点，可以在点云中保留那些具有明显形状变化的区域，如边缘、角点等。这种方法在三维重建、物体识别和特征匹配等领域有广泛的应用。

1.1原理

        曲率反映了点云表面局部区域的弯曲程度，是描述几何特征的重要指标。在曲率特征点提取中，首先计算每个点的曲率值，然后根据设定的阈值选择曲率较大的点作为特征点。曲率的计算基于每个点的法向量和其邻域点的分布，通常采用协方差矩阵的特征值分解来实现。

1.2实现步骤

1. 加载点云数据: 使用 Open3D 加载点云文件。
2. 法向量估计: 通过 K 近邻搜索计算每个点的法向量。
3. 计算曲率: 计算每个点的曲率值，并保存在一个数组中。
4. 提取特征点: 根据设定的曲率阈值，选择曲率较大的点作为特征点。
5. 特征点放大和颜色区分: 将特征点的坐标略微放大，并使用鲜艳颜色标记，以便与原始点云区分。
6. 可视化结果: 显示原始点云和特征点，便于比较和分析。

1.3应用场景

• 三维重建: 提取点云中的特征点用于物体的三维重建，提高重建精度。
• 物体识别: 基于特征点的分布，进行物体识别和匹配。
• 特征匹配: 提取特征点用于点云的配准和特征匹配，尤其在多视角点云合成中应用广泛。

二、代码实现

import open3d as o3d
import numpy as np

# 加载点云数据
pcd = o3d.io.read_point_cloud("person2.pcd")

# 显示原始点云
print("Displaying original point cloud...")
o3d.visualization.draw_geometries([pcd], window_name="Original Point Cloud", width=800, height=600)

# 估计法向量
pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))

# 计算每个点的曲率
pcd_tree = o3d.geometry.KDTreeFlann(pcd)
curvatures = np.zeros(len(pcd.points))

for i in range(len(pcd.points)):
    [_, idx, _] = pcd_tree.search_knn_vector_3d(pcd.points[i], 30)
    neighbors = np.asarray(pcd.points)[idx, :]
    covariance_matrix = np.cov(neighbors.T)
    eigenvalues, _ = np.linalg.eigh(covariance_matrix)
    curvatures[i] = eigenvalues[0] / np.sum(eigenvalues)

# 根据曲率提取特征点
curvature_threshold = 0.1  # 设置曲率阈值
indices = np.where(curvatures > curvature_threshold)[0]
feature_pcd = pcd.select_by_index(indices)

# 将特征点放大以便区分
feature_points = np.asarray(feature_pcd.points)
feature_points_scaled = feature_points * 1.02  # 略微放大特征点位置

# 创建放大的特征点点云
feature_pcd_scaled = o3d.geometry.PointCloud()
feature_pcd_scaled.points = o3d.utility.Vector3dVector(feature_points_scaled)
feature_pcd_scaled.paint_uniform_color([1, 0, 0])  # 红色显示特征点

# 灰色显示原始点云
pcd.paint_uniform_color([0.5, 0.5, 0.5])

# 可视化特征点与原始点云
print("Displaying feature points based on curvature...")
o3d.visualization.draw_geometries([pcd, feature_pcd_scaled], window_name="Feature Points", width=800, height=600)

三、实现效果

3.1原始点云

3.2提取特征点