【译】PCL官网教程翻译(16):点特征直方图(PFH)描述符 -Point Feature Histograms (PFH) descriptors

本文主要是介绍【译】PCL官网教程翻译(16):点特征直方图(PFH)描述符 -Point Feature Histograms (PFH) descriptors,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

英文原网页查看。

点特征直方图(PFH)描述符

就点特征表示而言,表面法线和曲率估计是在表示特定点周围的基本的几何形状方面。虽然计算速度极快,也很容易,但是它们不能捕捉太多的细节,因为它们只能用很少的值来近似一个点的k邻域的几何形状。直接的结果是,大多数场景将包含许多具有相同或非常相似的特征值的点,从而减少了它们的信息特征。
本教程介绍了一组为简单起见而创建的3D特征描述符PFH(点特征直方图),介绍了它们的理论优势,并从PCL的角度讨论了实现细节。作为先决条件,请先阅读PointCloud教程中的估算表面法线,因为PFH签名既依赖于xyz 3D数据,也依赖于表面法线。

理论基础

PFH公式的目标是编码一个点的k邻域几何特性,使用值的多维直方图来概括点周围的平均曲率。这种高维超空间为特征表示提供了一个信息签名,它不受下垫面的6D位姿的影响,并且能够很好地处理邻域中存在的不同采样密度或噪声水平。
点特征直方图表示是基于k邻域内的点与其估计的表面法线之间的关系。简而言之,它试图通过考虑估计法线方向之间的所有相互作用,尽可能地捕捉采样的表面变化。由此得到的超空间依赖于每一点表面法向估计的质量
下图呈现出一种影响的地区图PFH计算为一个查询点 p q p_q pq,标有红色和放置在一个圆半径为r的(在3D球体),和所有k临近点(点距离小于半径r)完全互联。最终的PFH描述符计算为邻域内所有对点之间关系的直方图,因此计算复杂度为 O ( k 2 ) O(k^2) O(k2)
在这里插入图片描述
为了计算两个点 p i p_i pi p j p_j pj之间的相对差以及它们的相关法线 n i n_i ni n j n_j nj,我们在其中一个点定义了一个固定的坐标系(见下图)。
u = n s u = n_s u=ns
v = u × ( p t − p s ) ∥ p t − p s ∥ 2 v = u\times\frac{(p_t - p_s)}{\Vert p_t - p_s\Vert_2} v=u×ptps2(ptps)
w = u × v w = u\times v w=u×v
在这里插入图片描述
利用上面的uvw向量,两个法线 n s n_s ns n t n_t nt的差可以表示为一组角特征,如下:
α = v ⋅ n t \alpha = v\cdot n_t α=vnt
ϕ = u ⋅ ( p t − p s ) d \phi = u\cdot \frac{(p_t - p_s)}{d} ϕ=ud(ptps)
θ = a r c t a n ( w ⋅ n t , u ⋅ n t ) \theta = arctan(w\cdot n_t, u\cdot n_t) θ=arctan(wnt,unt)
其中 d d d p s p_s ps, p t p_t pt两点之间的欧式距离, d = ∥ p t − p s ∥ 2 d={\|\boldsymbol{p}_t-\boldsymbol{p}_s\|}_2 d=ptps2。对k邻域内的每对点计算四联体 ⟨ α 、 ϕ 、 θ 、 d ⟩ \langle\alpha、\phi、\theta、d\rangle αϕθd,从而将两点及其法线的12个值(xyz和法线信息)减少到4。
若要估算一对点的PFH四联体,请使用:

computePairFeatures (const Eigen::Vector4f &p1, const Eigen::Vector4f &n1,const Eigen::Vector4f &p2, const Eigen::Vector4f &n2,float &f1, float &f2, float &f3, float &f4);

有关更多细节,请参阅API文档。
为了为查询点创建最终的PFH表示,将所有四联体的集合绑定到一个直方图中。绑定流程将每个特性的值范围划分为b个子区间,并计算每个子区间内出现的次数。由于上述四个特征中有三个是法线夹角的度量,所以它们的值很容易在三角圆上归一化为相同的区间。绑定的一个例子是将每个特征区间划分为相同数量的相等部分,从而在完全相关的空间中创建一个 b 4 b^4 b4个箱子的直方图。在这个空间中,直方图增量对应于一个点,它的所有4个特性都有一定的值。下图展示了点不同点的点特征直方图表示示例。
在某些情况下,第四个特征d对于2.5D数据集(通常在机器人中获得)不具有极端意义,因为相邻点之间的距离从视点开始增加。因此,对于局部点密度影响特征维数的扫描,省略d被证明是有益的。
在这里插入图片描述

注意
有关更多信息和数学推导,包括对不同表面几何形状的PFH签名的分析,请参见Rusu论文

估计PFH特性

点特征直方图作为pcl_features库的一部分在PCL中实现。
默认PFH实现使用5面元细分(例如,每个的四个特性值将会在其取值区间划分这么多),但不包括距离(像前面解释的那样,尽管computePairFeatures方法可以调用用户获得的距离,如果需要的话),结果在一个125字节的数组 ( 5 3 ) (5 ^ 3) (53)浮点值。这些存储在pcl::PFHSignature125 point类型中。
下面的代码片段将为输入数据集中的所有点估计一组PFH特性。

#include <pcl/point_types.h>
#include <pcl/features/pfh.h>{pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal> ());... read, pass in or create a point cloud with normals ...... (note: you can create a single PointCloud<PointNormal> if you want) ...// 创建PFH估计类,并将输入数据集+法线传递给它pcl::PFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::PFHSignature125> pfh;pfh.setInputCloud (cloud);pfh.setInputNormals (normals);// 或者,如果cloud是tpe PointNormal,则执行pfh.setInputNormals(点云);// 创建一个空的kdtree表示,并将其传递给PFH估计对象。// 它的内容将根据给定的输入数据集填充到对象中(因为没有其他搜索表面)。pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());//pcl::KdTreeFLANN<pcl::PointXYZ>::Ptr tree (new pcl::KdTreeFLANN<pcl::PointXYZ> ()); -- older call for PCL 1.5-pfh.setSearchMethod (tree);// 输出数据集pcl::PointCloud<pcl::PFHSignature125>::Ptr pfhs (new pcl::PointCloud<pcl::PFHSignature125> ());// 使用半径为5cm的球体中的所有邻点// 重点:这里使用的半径必须大于用于估计表面法线的半径!!pfh.setRadiusSearch (0.05);// 计算特性pfh.compute (*pfhs);// pfhs->points.size () 应该和cloud->points.size ()一致
}

来自pfhestimate类的实际计算调用在内部什么也不做,但是:

对于云中的每一点p
1. 得到p的最近邻
2. 对于每一对邻居,计算三个角值
3.将所有结果放入一个输出直方图中

若要从k邻域计算单个PFH表示,请使用:

computePointPFHSignature (const pcl::PointCloud<PointInT> &cloud,const pcl::PointCloud<PointNT> &normals,const std::vector<int> &indices,int nr_split,Eigen::VectorXf &pfh_histogram);

点云包含输入点,点云法线是输入点云法线(可以等于点云如果PointInT = PointNT = PointNormal),索引代表点云的k近邻,nr_split是细分的数量为每个特性的直方图过程使用间隔,和pfh_histogram输出结果直方图一样,是一个浮点值数组。

注意
由于效率的原因,PFHEstimation中的计算方法不检查法线是否包含NaN或无穷大值。将这些值传递给compute()将导致未定义的输出。建议至少在设计加工链或设置参数时检查法线。这可以通过在调用compute()之前插入以下代码来实现:

for (int i = 0; i < normals->points.size(); i++)
{if (!pcl::isFinite<pcl::Normal>(normals->points[i])){PCL_WARN("normals[%d] is not finite\n", i);}
}

在编译代码中,应设置预处理步骤和参数,使法线是有限的或产生错误。

这篇关于【译】PCL官网教程翻译(16):点特征直方图(PFH)描述符 -Point Feature Histograms (PFH) descriptors的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1126978

相关文章

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1

Linux卸载自带jdk并安装新jdk版本的图文教程

《Linux卸载自带jdk并安装新jdk版本的图文教程》在Linux系统中,有时需要卸载预装的OpenJDK并安装特定版本的JDK,例如JDK1.8,所以本文给大家详细介绍了Linux卸载自带jdk并... 目录Ⅰ、卸载自带jdkⅡ、安装新版jdkⅠ、卸载自带jdk1、输入命令查看旧jdkrpm -qa

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则

MySQL Workbench 安装教程(保姆级)

《MySQLWorkbench安装教程(保姆级)》MySQLWorkbench是一款强大的数据库设计和管理工具,本文主要介绍了MySQLWorkbench安装教程,文中通过图文介绍的非常详细,对大... 目录前言:详细步骤:一、检查安装的数据库版本二、在官网下载对应的mysql Workbench版本,要是

通过Docker Compose部署MySQL的详细教程

《通过DockerCompose部署MySQL的详细教程》DockerCompose作为Docker官方的容器编排工具,为MySQL数据库部署带来了显著优势,下面小编就来为大家详细介绍一... 目录一、docker Compose 部署 mysql 的优势二、环境准备与基础配置2.1 项目目录结构2.2 基

Linux安装MySQL的教程

《Linux安装MySQL的教程》:本文主要介绍Linux安装MySQL的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux安装mysql1.Mysql官网2.我的存放路径3.解压mysql文件到当前目录4.重命名一下5.创建mysql用户组和用户并修

最新Spring Security实战教程之Spring Security安全框架指南

《最新SpringSecurity实战教程之SpringSecurity安全框架指南》SpringSecurity是Spring生态系统中的核心组件,提供认证、授权和防护机制,以保护应用免受各种安... 目录前言什么是Spring Security?同类框架对比Spring Security典型应用场景传统

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言