点云内在形状特征：一种用于点云三维物体识别的形状描述符（ISS）

已于 2023-11-27 22:53:10 修改
阅读量961 收藏 21
点赞数 27
分类专栏： 激光点云数据处理 文章标签： 算法
于 2023-11-27 22:52:39 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_48694523/article/details/134655790
版权

目录

一、算法相关原理

二、算法详细计算流程

三、实现代码

四、运行结果

 五、结语及参考文献

一、算法相关原理

        算法引入了一种新的三维形状描述符，称为内部形状特征（ISS）来表征点云的局部/半局部区域，用于3D对象识别，该方法设计为稳定、可重复、信息丰富和有鉴别力，确保高度准确的3D形状匹配和识别。

        以曲面法线参考，为局部形状描述符提供了一个完整的三维坐标系。以曲面法线作为三维框架的Z，并且以与计算z轴相同的方式确定x轴和y轴，以建立稳定的3D参考，从而实现高度判别的3D形状描述符。使用均匀划分角度空间的3D分区，在一个3D点上计算一个高度判别性的形状特征，作为其球形邻域中数据点的加权3D统计直方图。这种特征提取的选择确保了对数据噪声以及计算的参考帧中的误差的鲁棒性。 

二、算法详细计算流程

        （1）对于点云P中的任意一点P_{i}，给定搜索半径r_{density}，根据其邻域内的点计算权重值：W_{i}

了解本专栏 订阅专栏 解锁全文 超级会员免费看
点云处理
关注
  • 27
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
『点云识别』基于对应分组的三维物体识别
weixin_45824067的博客
07-10 1219
BOP特征描述子的计算是基于点云中的边界点和其它邻域点之间的关系，通过分析相对于边界点的位置、法线方向和曲率等特征来推断该点是否是边界点。使用PCL中的3D Hough变换模块时，需要设置参数空间的分辨率、累加器的阈值、搜索范围等参数，以及提供点云数据和目标对象的相关信息。在参数空间中，每个参数对应了可能的几何形状的一组参数，例如平面的法向量和点与平面的距离。当我们处理点云数据时，有时需要在点云中找到与某个点最接近的点，或者在一个给定的范围内找到附近的点。，我们可以比较两个点云之间的相似性。
Efficient RANSAC for Point-Cloud Shape Detection 点云形状检测的高效RANSAC法
m0_68312479的博客
08-24 3560
Efficient RANSAC for Point-Cloud Shape Detection 点云形状检测的高效RANSAC法
【PCL】教程 implicit_shape_model.cpp 3D点云数据的对象识别 利用隐式形状模型进行训练和识别...
cxyhjl的博客
04-21 605
ism_test_cat.pcd参数：ism_train_cat.pcd 0 ism_train_horse.pcd 1 ism_train_lioness.pcd 2 ism_train_michael.pcd 3 ism_train_wolf.pcd 4 ism_test_cat.pcd 0这里红点表示对...
『点云识别』隐性模型ISM（Implicit Shape Model）
weixin_45824067的博客
07-12 961
当涉及到目标识别和检测时，隐式形状模型（ISM）是一种常用的方法。ISM通过分析目标的形状特征来辨别目标。首先，用点云数据来表示目标的外形。点云数据就像是许多离散点的集合，每个点都有自己的位置信息。然后，我们从这些点云数据中提取出一些有用的局部几何特征，比如点的法线方向、曲率等。这些特征能够告诉我们有关目标的形状信息。接下来，我们将这些局部几何特征组合成特征向量，并用一种方法将其降低到较低的维度。这样做是为了减少计算负担并且更好地表示目标的形状。然后，我们使用这些特征向量来构建一个“代码本”。
日期类
diOSyu的博客
10-16 226
题目描述 编写一个日期类，要求按xxxx-xx-xx的格式输出日期，实现加一天的操作。 输入描述: 输入第一行表示测试用例的个数m，接下来m行每行有3个用空格隔开的整数，分别表示年月日。测试数据不会有闰年。 输出描述: 输出m行。按xxxx-xx-xx的格式输出，表示输入日期的后一天的日期。 示例1 输入 复制 2 1999 10 20 2001 1 31 输出 复制...
【三维点云数据处理】ISS特征点提取算法
点云兔子的博客
05-31 5483
1 算法原理 Yu Zhong提出了一种识别表示为3D点云的3D对象的新方法。引入了一种称为内在形状签名（Intrinsic Shape Signature，ISS）的新3D形状描述符，以表征点云的局部/半局部区域。固有形状签名使用与视图无关的 3D 形状表示来直接匹配来自不同视图的形状斑块，并使用编码查看几何图形的视图相关变换来促进快速姿态估计。 特征点是图像点云中那些可以通过定义检测标准提取的稳定、独特的点集，其数量远小于原始点数。ISS 特征点是一种通过与邻域...
PCL代码经典赏析七：PCL 点云特征描述与提取
Neverland_LY‘s Domain
01-28 2万+
· 说明 以下均为 Being_young 前辈所写，现转载过来，再加上自己的理解，重新写了一遍，方便自己日后使用 博客地址：http://blog.csdn.net/u013019296/article/ 或者参考另一篇博文：[PCL系列——从深度图像(RangeImage)中提取NARF关键点] · 目录索引 PCL 点云特征描述与提取 PCL 描述三维特征相关基础 PCL
内在形状签名(ISS)算法，用于点云关键点提取，matlab实现，带例程
04-03
ISS算法是Zhong等10年发表的点云关键点检测算法，是现有非尺度不变的关键点提取算子中效果较好较稳定的(其它的还有harris3D等效果也很好但是我没做)，已经被PCL库收录。这是我按照文献用matlab实现的代码，使用bunny...
三维点云练习模型兔子（pcd格式）
07-09
应用于pcl库上的练习，统计滤波，提取重叠区域，质心特征提取，点云粗配准，ISS关键点提取，BNB-ICP精配准。模型简单，便于曲面封装，三角化网格面等等。
用来描述点云局部特征的快速点特征直方图(FPFH)算法的matlab实现
04-04
[原创]自己实现的FPFH算法，效果与PCL中的完全一致。...输出量为一个矩阵，其中每一行为一个33维度向量，对应一个关键点的FPFH描述符。 个人比较满意的作品，代码变量命名规范、逻辑清晰、可读性强。
基于ISS-CPD算法的三维激光点云数据处理技术.pdf
08-15
3. 三维激光扫描技术：一种新兴的测绘技术，可以从目标对象的表面收集大量的点云数据，具有非接触、高精度和高速度的特点。 4. 数字城市建设：是当前社会发展和城市进步的热点研究方向，旨在构建数字城市模型，提高...
基于PCL的点云ISS特征点提取算法c++
最新发布
05-19
点云处理是三维计算机视觉领域中的重要组成部分，而特征点提取是点云处理中的关键步骤。在本主题中，我们将深入探讨如何使用Point Cloud Library（PCL）在C++环境中实现Improved Statistical Shape (ISS) 特征点检测...
点云特征提取及分类、VFH、SVM、CNN
人生得意须尽欢
12-28 2万+
数据与特征决定了机器学习的上限， 模型/算法/参数只是来逼近这个上限。 0: 分类方式 按照特征的物理属性，可以将特征分为：几何域，强度域。 按照特征的空间尺度，可以分为：单点特征，局部特征，全局特征。 1：传统特征 单点特征 主要有：三维坐标（X, Y, Z）, 回波强度 Intensity, 法线 （Nx，Ny，Nz），主曲率（PCx, PCy, PCz, 及两个特征值 PC1, PC2） 局部特征 （一）几何域 局部特征常见的有各种几何特征描述子：PFH，FPFH，SHOT，C-SHOT，RSD，3D
【论文】点云识别与分割：PointNet
weixin_51277640的博客
09-28 1859
1 引言 早期三维场景的识别与分割主要有三种方法，一是多视角，即将多张二维图片堆叠成三维立体做以处理，二是体素化，即对若干能表达实体的立方体素进行处理，三是非欧式处理。点云相较来说容易获取且表达简单，PointNet就是一种点云的识别与分割的方法。 2 分析 点云主要有三个性质，它决定其不可使用简单的深度学习方法进行分割处理； 一是无序性，即点云的输入是无序的，但是其在空间中呈现的效果不会因顺序发生改变； 二是空间相关性，点云常表示为(x,y,z,RGB)(x,y,z,RGB)(x,y,z,RGB)格式，空
python如何识别点云形状_如何找到二维点云的阿尔法形状（凹面外壳）？
weixin_39753857的博客
12-21 577
我正在寻找一个实现，计算二维阿尔法形状。我在运行ubuntu。我希望此任务使用命令行实用程序，但也可以使用python库。在Google中，我发现了许多计算alpha形状的实现。但没有一个输出我想要的。作为输入，我有一个二维点列表(例如，文本文件中每行一对浮点)。作为输出，我需要另一个具有相同比例的二维点列表。我试过安装最新的python绑定cgal，但这些绑定已经有一段时间不受支持了，并且不再在...
基于点云方式的6D姿态识别
3D视觉工坊
02-27 1678
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达前言除了对应点方式，还可以将点云将与整个形状对齐，获得6D姿态。通常，首先进行粗配准以提供初始对准，然后进行密集配准方法，如迭代最近...
3D点云形状分类简介
wildridder的博客
12-17 5409
3D点云形状分类简介 3D形状分类主要有三种方法：基于多视图的（multi-view），基于体积的（volumetric-based），基于点的（point-based）。 基于多视图的方法将非结构化的点云投影为2D图像，而基于体积的方法将点云转换为3D体积表示。然后利用2D或3D卷积网络来实现形状分类。相反，基于点的方法直接在原点云图像上运行，不会造成信息丢失，正在逐渐成为主流。 基于多视图的点云分类算法 基于多视图的方法首先将3D形状投影到多个视图中，然后提取视图的特征，融合这些特征以进行准确的形状分类
基于深度学习的三维点云识别
热门推荐
pikachu_777的专栏
10-10 3万+
基于深度学习的三维点云识别 一、什么是三维物体识别 ​ 随着三维成像技术的发展，结构光测量、激光扫描、ToF等技术趋于成熟，物体表面的三维坐标能够精准而快速的获取，从而生成场景的三维数据，能够更好地感知和理解周围环境。三维数据包含了场景的深度信息，能够表示物体的表面形状，在机器人、AR/VR、人机交互、遥感测绘等多个领域具有广阔的应用前景。 ​ 三维数据由传感器直接获得，可以表示为深度图、点云、网...
Open3D Intrinsic shape signatures (ISS) 固有形状特征码
一只大鸽子的博客
05-07 867
检测 3D 形状的 ISS 关键点
基于点云数据的三维模型的局部特征提取方法有哪些
05-26
基于点云数据的三维模型的局部特征提取方法有很多，以下是其中的一些： 1. NARF (Normal Aligned Radial Feature)：基于法向量的点云特征提取方法，将点云映射到二维图像空间，然后提取图像中的边缘特征点。 2. SIFT (Scale-Invariant Feature Transform)：基于高斯差分函数的点云特征提取方法，通过计算高斯差分函数来检测点云中的局部极值点。 3. ISS (Intrinsic Shape Signature)：基于曲率和法向量的点云特征提取方法，通过计算曲率和法向量来估计点云的内在形状，然后提取特征点。 4. FPFH (Fast Point Feature Histogram)：基于直方图的点云特征提取方法，通过计算每个点的邻域内点的特征直方图来描述点云的局部特征。 5. SHOT (Signature of Histograms of OrienTations)：基于法向量和角度的点云特征提取方法，通过计算每个点的邻域内点的法向量方向直方图和角度差异直方图来描述点云的局部特征。 6. 3DShapeNets：基于卷积神经网络的点云特征提取方法，通过将点云转换为体素网格，然后使用卷积神经网络提取特征。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

点云处理

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