第40章：PCL SUSANKeypoint 提取

一、算法简介

SUSAN（Smallest Univalue Segment Assimilating Nucleus） 最初是图像处理中的一种角点检测方法，它通过寻找局部区域中与中心像素“相似”的像素集合，计算其对称性，来识别边缘和角点。

在 PCL 中，SUSANKeypoint 被扩展到三维点云，利用法线和几何结构来评估局部对称性，提取几何稳定的关键点。

特点：

• 不依赖强度或纹理，仅依赖几何结构（曲率、法线等）。

• 适用于没有颜色或强度信息的裸点云。

• 效果类似于 Harris3D，但更关注对称性而非曲率峰值。

---

二、PCL中的实现类

pcl::keypoints::SUSANKeypoint3D<PointInT, PointOutT>

• 输入点必须包含法线信息（如 PointNormal 或 PointXYZINormal）。

• 输出默认使用 PointWithScale，包含关键点位置与尺度。