研究点云数据时,感觉无从下手?
看看这十大点云数据处理技术,换个思路学点云。
点云 · 定义
简言之,在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为“点云”。包括三维坐标(XYZ)、激光反射强度(Intensity)和颜色信息(RGB)。
点云·数据处理技术
目前,点云处理涉及的技术主要为以下十个:
点云滤波(数据预处理)
点云关键点
特征和特征描述
点云配准
点云分割与分类
SLAM图优化
目标识别检索
变化检测
三维重建
点云数据管理
1、点云滤波(数据预处理)
点云滤波,顾名思义,即滤掉噪声。原始采集的点云数据往往包含大量散列点、孤立点,下图为滤波前后的点云效果对比。
点云滤波的主要方法有:双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波等,这些算法都被封装在了PCL点云库中。
2、点云关键点
在二维图像上,有Harris、SIFT、SURF、KAZE这样的关键点提取算法,这种特征点的思想可以推广到三维空间。从技术上来说,关键点的数量相比于原始点云或图像的数据量减小很多,与局部特征描述子结合在一起,组成关键点描述子常用来形成原始数据的表示,而且不失代表性和描述性,从而加快了后续的识别,追踪等对数据的处理速度,故而,关键点技术成为在2D和3D 信息处理中非常关键的技术。