PFH点特征直方图及其pcl用法

部分参考：https://blog.csdn.net/qq_25491201/article/details/51104390

1.点的特征

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的目标是通过使用一个点周围的多维直方图来编码一个点的k个最近邻的几何属性。这个高维空间提供了一些有用的特征代表，同时关于6位位姿不变的，同时和可以很好的应对不同的采样密度和近邻的噪声水平。

下面的图展示了一个PFH在计算Pq这个点时候的影响区域图，Pq这个点用红色标记并放在半径为r的圆圈的中央，然后它的所有近邻(离点的距离小于半径r)都通过一个网格来间接的相邻着。下面的PFH描述器作为了一个直方图计算了所有匹配的点之间的关系，有一个O(k方)的复杂度。
在这个区域之内，每两个点可以组成一对(Ps, Pt)，我们在这一对点中的其中一个点为原点建立UVW坐标系：


u v w三条基向量以Ps为原点，显然是相互垂直的。上图和公式并不一致，比如V的方向。图仅仅是示意。

使用上面的uvw的坐标系，ns法线和ni法线的差可以转化为下面的3个角度的差异(因为他们的模都是一样的)：

d是两点距离的平方

这样我们把这四个值

称为“特征值”，四个特征值的集合组成了点Ps的“特征”。但是经常我们会省略d，会获得更好的效果，因此一个点对应三个特征值。

2.将特征放入点特征直方图PFH

对于Ps的邻域，有一系列的Ps、Pt点对，对于每一个Ps就可以计算他对应的四个特征值。

那么如何将特征放在直方图里面呢？对于三个特征值中的每一个具体特征，我将其等分成5份，这样就存在555=125个区间，这125个区间构成了一个125bins的直方图。这样对于一个点的三个特征值，根据每一个特征值的细分，分发到这125个区间中。对目标点的邻域中的所有点按照此种方法进行统计，实现对目标点的直方图特征描述。

在论文《Aligning Point Cloud Views using Persistent Feature Histograms》中，使用了4个特征值，每个特征值分成两份（2^4=16 bins）。对特征分发的结果：

3. 快速点特征直方图FPFH

FPFH是PFH的加速版本，经过实测能提升1/3的速度（大概）。

参考：https://blog.csdn.net/u011736771/article/details/85103293

PFH和FPFH计算方式之间的主要区别总结如下：

FPFH没有对全互连点的所有邻近点的计算参数进行统计，因此可能漏掉了一些重要的点对，而这些漏掉的对点可能对捕获查询点周围的几何特征有贡献。
PFH特征模型是对查询点周围的一个精确的邻域半径内，而FPFH还包括半径r范围以外的额外点对（但不超过2r的范围）；
因为采用权重计算的方式，所以FPFH结合SPFH值，重新捕获邻近重要点对的几何信息；
由于大大地降低了FPFH的整体复杂性，因此FPFH有可能使用在实时应用中；
通过分解三元组，简化了合成的直方图。也就是简单生成d分离特征直方图，对每个特征维度来单独绘制，并把它们连接在一起。

不再详述，感兴趣地读者可参考论文：《Fast Point Feature Histograms (FPFH) for 3D Registration》

4. PFH和FPFH的pcl用法

这里仅仅介绍FPFH的用法。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>             // 法线
#include <pcl/features/fpfh_omp.h>   // fpfh计算，omp加速方法




pcl::search::KdTree<pcl::PointXYZI>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZI>());
std::mutex mPFH;

.........一系列操作，获得待计算点云 cloud
					
					mPFH.lock(); // 计算直方图的时候记得锁一下
//                     pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);  // for PFH
                    pcl::PointCloud<pcl::PointNormal>::Ptr normals(new pcl::PointCloud<pcl::PointNormal>);  // for FPFH
                    // ================================================================================================
                    // ================================================================================================
                    // ================================================================================================
                    // ================================================================================================

                    pcl::FPFHEstimationOMP<pcl::PointXYZI, pcl::PointNormal, pcl::FPFHSignature33> fpfh_omp;
                    pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfhs(new pcl::PointCloud<pcl::FPFHSignature33>());
                    //  法线估计
                    pcl::NormalEstimation<pcl::PointXYZI, pcl::PointNormal> ne;
                    ne.setInputCloud(cloud);   // cloud 是待计算的输入点云
                    ne.setSearchMethod(tree);
                    ne.setKSearch(10);
                //    ne.setRadiusSearch(0.03);
                    ne.compute(*normals);
                    // 直方图计算
                    std::cout<< "法线"<<normals->points[100]<<std::endl;
                    fpfh_omp.setInputCloud(cloud);
                    fpfh_omp.setInputNormals(normals);
                    fpfh_omp.setSearchMethod(tree);
                    fpfh_omp.setNumberOfThreads(8);
                    fpfh_omp.setRadiusSearch(0.5);   
                    fpfh_omp.compute(*fpfhs);
                    mPFH.unlock();
                    //==================================================================================================
                    // ================================================================================================
                    // ================================================================================================
                    // ================================================================================================

5. 如何根据一团点云的PFH判断这一陀点云的平面性是否好呢？待研究～