PCL专栏目录及须知-CSDN博客
1.原理
计算点云的3D上下文特征,以计算描述点云形状特征。
(1)对于给定的点云,通过边缘检测获取到点云的轮廓边缘。
(2)对于获取到的轮廓边缘进行均匀采样,得到一组离散的点集P。
(3)对于给定点集P中的任意点pi,以点pi为中心,r为半径的球形区域内建立一个对数极坐标系(采用对数距离作用为:可以使邻近的采样点比远离点更敏感,能强化局部特征)。
(4)比较点云每个搜索半径内球体各点云点的统计区域内点集的密度等计算得出的不同权重。以此为基准,获取形状特征。
如下图:
取半径范围(即最小半径—最大半径范围之间)内的点云,通过公式,计算三维状态下,二者的球体点云各个方向上的点集的密度等参数的值作为形状权重特征。
公式如下:
V(j,k,l):第j个同心球,第k个方位方向,第l个仰角方向区域对应的体积。
ρi:局部点的密度,即以P点为球心,a为半径的球体内的点数。
2.使用场景
(1)形状特征估计及描述(因为有屏蔽噪声的功能,因此对噪声不敏感;且其辨别力强)。
(2)工作里面用的很少。
3.注意事项
无
4.关键函数
(1)邻域搜索的范围(即上文中球体的半径)
setRadiusSearch()
(2)点密度搜索半径的半径值
setPointDensityRadius()
(3)搜索球体的最小半径值(避免球体中采样点距离球体中心点太近,形成噪声,因此设置一个最小半径值,即上图中的内球体的半径)
setMinimalRadius()
5.代码
#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/3dsc.h>
#include <pcl/features/impl/3dsc.hpp>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_plotter.h>
int main()
{
/****************3D形状上下文特征********************/
// 原始点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("D:/code/csdn/data/plane.pcd", *cloud); // 加载原始点云数据
// 计算点云法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; // 法向量估计器
ne.setInputCloud(cloud);
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); // kd树
ne.setSearchMethod(tree); // 设置法向量估计搜索树
pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>); // 计算出的法向量
ne.setRadiusSearch(1.0); // KD树邻域搜索的范围
ne.compute(*normals);
// 3D形状上下文特征
pcl::ShapeContext3DEstimation<pcl::PointXYZ, pcl::Normal, pcl::ShapeContext1980> feature; // 创建3D形状上下文估计器
feature.setInputCloud(cloud);
feature.setInputNormals(normals);
feature.setSearchMethod(tree); // 设置3D搜索树
pcl::PointCloud<pcl::ShapeContext1980>::Ptr descriptors(new pcl::PointCloud<pcl::ShapeContext1980>); // 3D形状上下文估计器描述(用于存储计算得到的3D形状上下文特征点)
feature.setRadiusSearch(1.0); // K邻域搜索的个数
feature.setPointDensityRadius(0.3); // 点密度搜索半径的半径值(密度即此半径内的点数)
feature.setMinimalRadius(0.1); // 搜索球体的最小半径值
feature.compute(*descriptors);
return 0;
}
6.结果展示
无需结果展示。