PCL点云处理之快速点特征直方图（FPFH）描述符（八十六）

已于 2023-05-13 18:13:03 修改
阅读量858 收藏 3
点赞数
分类专栏： PCL点云处理学习 点云算法合集 文章标签： 人工智能 算法 c++ 点云处理 几何学
于 2023-01-08 20:12:27 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/weixin_44329757/article/details/128604685
版权
PCL点云处理学习 同时被 2 个专栏收录
238 篇文章 1171 订阅 ¥19.90 ¥99.00
订阅专栏
点云算法合集
238 篇文章 398 订阅 ¥29.90 ¥99.00
订阅专栏

PCL点云处理之快速点特征直方图（FPFH）描述符（八十六）

前言

对于具有 n 个点的给定点云 P，点特征直方图(见点特征直方图(PFH)描述符)的理论计算复杂度为 O (nk ^ 2) ，其中 k 是 P 中每个点 p 的邻居数。对于实时或接近实时的应用程序，密集点邻居中的点特征直方图的计算是主要瓶颈之一。这里描述了 PFH 公式的简化，称为快速点特征直方图(FPFH)，它将算法的计算复杂度降低到 O (nk) ，同时仍然保留了 PFH 的大部分判别能力。
在这里插入图片描述

一、快速点特征直方图理论

了解本专栏 订阅专栏 解锁全文
点云学徒
关注
  • 0
    点赞
  • 踩
  • 3
    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
PCL点云处理之点特征直方图(PFH)描述符（八十五）
weixin_44329757的博客
12-25 973
PFH (点特征直方图) 相比法线对点云局部特征描述更为细节
快速点特征直方图（FPFH）描述符（Fast Point Feature Histograms (FPFH) descriptors）
了不起的菠萝君的博客
11-11 5944
点要素直方图的理论计算复杂性（见 点要素直方图（PFH）描述）为给定的ñ点组成的点云P是O（NK ^ 2），这里ķ是对在 P中的每个p点邻居的数量。对于实时或接近实时的应用，密集点邻域中的点特征直方图的计算可能代表主要的瓶颈之一。 本教程描述了PFH公式的简化，称为快速点特征直方图（FPFH）（参见Rusu论文以获取更多信息），这样可以降低算法的计算复杂度O（NK），同时仍保留大部分PFH的判别能...
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。输入量必须包括离散无拓扑的点云矩阵、点云法向量矩阵、关键点在离散点云中的位置向量、邻域参数这么四个，另外两个量可缺省，填入ISS算法(资源已放出)步骤中用到的r邻域拓扑变量时可以节省运算资源。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。
PCL 点云特征描述与提取
3D视觉工坊
04-28 6079
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：开着拖拉机唱山歌链接：https://zhuanlan.zhihu.com/p/103219268本文转载自知乎，作者已授权，...
快速点特征直方图（FPFH）描述子提取
weixin_45824067的博客
06-30 1204
快速点特征直方图（Fast Point Feature Histograms，FPFH）是一种基于点的描述子，用于描述点云数据中的局部几何信息。FPFH描述子是在法线估计的基础上计算的，它以每个点为中心，考虑其邻域内的几何特征并生成一个直方图。FPFH描述子的计算过程如下：对于点云中的每个点，获取其法线向量。构建归一化的球形邻域，以当前点为球心，设置一个半径内的邻域点作为邻居。对于当前点和邻居点对，计算其相对位置和法线的角度差，形成一个6维的特征向量。基于计算的6维特征向量，构建一个直方图。
PCL提取3D点云模型特征（3.0 FPFH快速点特征直方图）附完整代码
McQueen_LT的博客
07-22 4295
一、概述 上一篇博客解释了PFH是什么以及如何利用PFH来提取点云的特征，那么讲了PFH（PCL提取3D点云模型特征（2.0 PFH点特征直方图 ）附完整代码）之后肯定是要接着说FPFH的。本来想着把FPFH的内容和PFH放在一起的，但是感觉如果放在一起写再加上最后的代码（毕竟每篇博客能加代码的我都会把代码贴出来，毕竟talk is cheap, show me your code嘛），就感觉一篇博客的内容就太多了，不仅写起来累，看起来也累，所以就分开吧。 与PFH方法类似，在目前所有网上看到的资料中，都没
PCL _ FPFH 描述符
yamgyutou的博客
04-09 932
FPFH (Fast Point Feature Histograms)快速点特征描述符。 http://pointclouds.org/documentation/tutorials/fpfh_estimation.php#fpfh-estimation这是pcl官网的英文文档 https://blog.csdn.net/u013235582/article/details/10081134...
PCL-PFH描述符
qq_34792438的博客
03-12 540
PCL-学习-描述子-Point Feature Histogram
快速特征点直方图描述器(FPFH)
热门推荐
海贼王
04-09 2万+
PFH的理论上的时间复杂度是O(nk的平方)，n是点的数量，k是最近邻的个数。对于实时系统来说，这压根就是不行的，所以作为PFH规划的简化版本，FPFH把计算复杂度减少成O(nk),但是还具有很好的和PFH差不多的区分能力。 第一步我们先计算了每个查询点Pq的一系列值，并把它叫做SPFH(Simplified Point Feature Histgram) 第二步每个点的最近邻是重新分配，SP
一文了解点特征直方图
3D视觉工坊
02-18 883
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达3D中特征检测和匹配的目标与2D中大致相同：从不同的角度查找可以与同一场景的扫描进行匹配。这些功能匹配可用于初始化oraidin注册。...
FPFH点云配准
11-05
用FPFH方法进行点云配准，包含一个两个源文件和一个头文件，头文件包括RANSAC和FPFH特征的定义，源文件其中一个是FPFH特征的提取，还有一个是主函数，主要是各种接口。通过该方法可以比较好的进行点云配准
点云配准算法fpfh，C++,pcl库，亲测可用
04-19
点云配准算法FPFH代码，可读取pcd文件，如果要读取ply文件需要自己改代码，或者将ply文件转换为pcd
这是我学习PCL点云配准的代码
02-20
这是我学习PCL点云配准的代码，包括了VFH特征的使用、SHOT特征描述符、对应关系可视化以及ICP配准、PFH特征描述符、对应关系可视化以及ICP配准、3DSC特征描述符、对应关系可视化以及ICP配准、Spin Image自旋图像描述...
PCL_Doc.rar_pcl_pcl 点云拼接_点云 特征_点云提取_特征库
07-15
PCL--Point Cloud Library，重点介绍点云库中的文件格式，文件显示，点云滤波，特征提取，特征描述，点云拼接，点云分割等
PCL点云库中的模版匹配测试点云
05-14
用于PCL中模版匹配算法的测试点云，用于PCL中模版匹配算法的测试点云，用于PCL中模版匹配算法的测试点云用于PCL中模版匹配算法的测试点云，用于PCL中模版匹配算法的测试点云，用于PCL中模版匹配算法的测试点云，用于...
pcl计算点云的fpfh特征
05-04
代码实是在vs2017配置的PCL1.9.0环境下运行成功的，用来获得三维点云的FPFH特征。运行没有问题。
PFH点特征直方图及其pcl用法
一只小菜鸟的博客
12-11 1296
部分参考：https://blog.csdn.net/qq_25491201/article/details/51104390 表面法线和曲率可以好的代表一个点的几何特征。然而它们算得很快，而且算法简单，但是它们不能捕获细节，它们只是点的近邻的几何特征的近似估计。作为一个直接的结论，大多数的场景往往会包括很多有着相似特征的点，这会减少它们所带来的消息量，也容易造成混淆和错误的匹配。 这时候就要一个具备更加丰富信息的特征描述方法——点特征直方图Point Feature Histogram PFH的目标是通过
PCL点云库学习笔记（特征）
Catog的博客
08-08 1464
PCL学习笔记（二）特征概述 特征 概述 点特征是根据该点周围可用的信息来描述几何图案，在点周围选择的数据空间通常称为k邻域。两个最广泛使用的几何点特征是下表面的估计曲率和点法线，使用其k个最近点提供的信息来表征一个点。 为了有效地确定k，通常使用空间分解技术（例如八叉树或kD树）将输入数据集分成较小的块，然后在该空间中执行最近点搜索。 可以选择在p点附近的k个固定点，或者以点为中心的半径r的球体内的所有点。 计算点p处的表面法线和曲率变化的最简单方法是在k邻域内进行特征分解（即计算特征向量和特征值）。对应
详解点云PFH点云特征直方图原理（matlab代码实现）
最新发布
Vertira的博客
03-05 445
详解点云PFH点云特征直方图原理（matlab代码实现）
c++搭配pcl点云配准之fpfh特征
07-28
搭配PCL点云配准中的FPFH特征是一种常用的方法。FPFH特征是一种由点对间的特征来描述点云的局部形状信息的描述子。它的计算步骤如下： 首先，根据输入的点云数据建立一个k-最近邻（k-Nearest Neighbor，kNN）搜索结构。 接下来，对每个点，找到其最近的k个邻居点。 然后，计算每个点的法向量，并对其进行归一化。 之后，将每个点与其邻域内的每个邻居点进行连接，形成一个点对集合。 最后，计算每个点对的一个特征向量，其中包含了方向角、高度角和距离差等信息。 将FPFH特征用于点云配准中的步骤如下： 首先，将待配准的源点云和目标点云分别计算出各自的FPFH特征。 然后，使用一种配准算法（例如ICP）对源点云和目标点云进行初始配准。 接下来，根据源点云和目标点云的FPFH特征，计算两者之间的匹配关系。 然后，根据匹配关系对源点云和目标点云进行进一步的配准，并优化其刚体变换的参数。 最后，根据优化后的刚体变换参数对源点云进行配准。 通过搭配PCL点云配准中的FPFH特征，可以有效地进行点云的配准任务。它能够提取出点云的局部形状信息，并通过匹配关系计算出点云的刚体变换参数，从而实现点云的准确配准。同时，FPFH特征具有计算简单、鲁棒性强等特点，可以适用于各种类型的点云数据。因此，搭配PCL点云配准之FPFH特征是一种常用且有效的方法。

“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

点云学徒

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