PCL点云特征小结

本文介绍了PCL库中用于点云处理的工具,包括PCL Viewer用于三维点云可视化,点云数据格式如KD-tree和Octree的优化存储方式,以及如何利用这些结构加速邻近点搜索。特别地,文章详细讲解了PFH(Point Feature Histograms)特征描述方法,用于描述点云中的关键点。
摘要由CSDN通过智能技术生成

1. PCL viewer

用来可视化三维点云或者得到的二维图像,详见官方教程

2. 点云数据格式

2.1 Introduction

点云基础的类型类似一个vector,每个元素表示一个多维的点信息(坐标,Normal,RGB,Intensity 等等)。

2.2 优化的格式

2.2.1 KD-tree

k-d tree decomposition for the point set : (2,3), (5,4), (9,6), (4,7), (8,1), (7,2)。(来自维基)在这里插入图片描述

2.2.2 Octree 八叉树

用来在三维的情况规划点云数据,目的和kd-tree一致。

2.2.3 优点

如果单纯的使用vector来搜索邻近的点,那么需要对整个数列做穷举。对大量点云的数据来说,这个

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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