快速点特征直方图（FPFH）描述符（Fast Point Feature Histograms (FPFH) descriptors）

最新推荐文章于 2025-06-05 20:04:54 发布

了不起的菠萝君

最新推荐文章于 2025-06-05 20:04:54 发布

阅读量6.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： PCL Documentation

本文链接：https://blog.youkuaiyun.com/RuoQiQingCheDi/article/details/83959238

FPFH（快速点特征直方图）是PFH（点要素直方图）的一种简化形式，降低了计算复杂度从O(NK^2)到O(NK)，同时保持大部分判别能力。FPFH通过简化直方图特征计算，先计算SPFH，再用加权方案重新确定点的k个邻居，形成最终的FPFH。PCL库实现了FPFH，使用11个binning细分和解相关方案，产生33个浮点值的特征数组。对于实时应用，PCL还提供了使用OpenMP加速的多线程计算实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点要素直方图的理论计算复杂性（见点要素直方图（PFH）描述）为给定的ñ点组成的点云P是O（NK ^ 2），这里ķ是对在 P中的每个p点邻居的数量。对于实时或接近实时的应用，密集点邻域中的点特征直方图的计算可能代表主要的瓶颈之一。

本教程描述了PFH公式的简化，称为快速点特征直方图（FPFH）（参见Rusu论文以获取更多信息），这样可以降低算法的计算复杂度O（NK），同时仍保留大部分PFH的判别能力。

#理论引入
为了简化直方图特征计算，我们进行如下：

在第一步中， for each query point p_q a set of tuples \alpha, \phi, \theta between itself and its neighbors are computed as described in Point Feature Histograms (PFH) descriptors - this will be called the Simplified Point Feature Histogram (SPFH);
在第二步中，对于每个点，其k个邻居被重新确定，并且相邻的SPFH值被用于对pq的最终直方图（称为FPFH）进行加权，如下所示：
FPFH（\ boldsymbol {p} _q）= SPFH（\ boldsymbol {p} q）+ {1 \ over k} \ sum {i = 1} ^ k { {1 \ over \ omega_k} \ cdot SPFH（\ boldsymbol { p} _K）}

其中权重\ omega_k表示查询点p_q与相邻点P_K在某个给