本文介绍了Python中点云处理的两种关键点提取算法——ISS和Harris。ISS算法基于点云曲率和法向量，通过计算协方差矩阵的特征值判断关键点。Harris算法则是通过计算点云邻域的梯度和自相关矩阵，寻找具有显著角点的位置。文章详细阐述了两种算法的原理和实现，并提到参数设置对算法效果的重要性。
0 简述
上篇内容中介绍了点云特征点/关键点提取算法中的基于密度提取和基于曲率提取算法。这两种算法在实现上来讲还是比较容易的，这是由于我们的算法中采取了一种简单的采样规则，即按特定阈值将点云划分成了两块，再分别进行采样。本篇将介绍两个复杂一点的关键点提取算法，分别是ISS关键点提取和Harris关键点提取。
1 ISS关键点提取
ISS算法是一种基于点云曲率和法向量的关键点检测方法。它利用点云点的固有形态特征来判断是否为关键点。具体来说，ISS算法首先通过计算每个点的法向量和曲率值，确定其所处的曲面类型。如果该点所在的曲面类型为较为平坦的面，则其不是关键点；否则，该点可能是关键点。接着，ISS算法基于点云中的每个点，计算相邻点与该点之间的角度信息，并将这些角度信息作为该点的固有形态特征。最终，ISS算法结合前面计算的法向量和曲率值，以及固有形态特征，判断每个点是否为关键点。
ISS关键点提取过程如下：
（1）为点云的每个点p_i建立局部坐标系，设定每个点的搜索半径r或k个邻近点。
（2）以搜索半
订阅专栏 解锁全文
扫一扫
38万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
