Eli_Young的博客

论文：Persistent Point Feature Histograms for3D Point Clouds原理：根据给定的特征点计算其临近点，在临近点范围内计算两点法向量之间的4个特征：在pcl源码中，没有两点连线的模长，即没有f2特征，总共计算3个特征。其他特征都与角度有关，如果3个特征都各自分成5份。那么一共可以分成5的3次方=125份，即由125个bins构成的直方图。还有最重要的一点，两点要确定谁是source，谁是target，只有确定了source和target该4个特征才唯

spin_image特征描述子原理特征描述子网上有很多博主介绍了，我列出看到的一些文章，由于时间关系没有详细阅读论文。看了这篇文章PCL Spin Image 旋转图像，其实原理很简单，总结一下就是：以查询点的法向量（旋转轴可以指定）为旋转轴，根据指定半径r旋转一周生成圆柱，将落入圆柱的近邻点分别与查询点计算两个维度的特征，然后将所有近邻点的二维特征生成二维的spin_image特征图。步骤为：指定查询点（计算查询点的附近的spin_image），指定查询点的旋转轴和旋转半径根据半径得到查询点附

Ubuntu16.04上编译PCL库出现这个问题，/home/chnn/anaconda3/lib/libpng.so: undefined reference to inflateValidate@ZLIB_1.2.9 collect2: error: ld returned 1 exit status，搜索了一下sudo apt search libpng，安装libpng16-dev即可。解决方法：sudo apt install libpng16-dev...

1. CloudViewer点云可视化#include <pcl/visualization/cloud_viewer.h>//【1】创建CloudViewer对象pcl::visualization::CloudViewer viewer("Cloud Viewer"); //【2】显示点云viewer.showCloud(cloud);//【3】线程注册函数//该注册函数在可视化时只调用一次viewer.runOnVisualizationThreadOnce (

1. kdtree近邻搜索#include <pcl/point_cloud.h> //定义PointCloud格式点云#include <pcl/kdtree/kdtree_flann.h> //KdTreeFLANN是一种KD-tree结构，使用FLANN（ 快速最近邻逼近搜索函数库）实现高效搜索//【1】定义kdtree对象pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;//将点云集输入到kdtree中kdtree.set

1. 打开ply/pcd文件（pcl::PointCloud <PointT>）#include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h>#include <pcl/point_cloud.h>#include <pcl/console/parse.h>// 【1】定义帮助函数voidshowHelp(char * program_name){ std::cout <&lt

Harris角点角点可以认为是两条边缘的交点处，在此处，梯度的方向和幅值都变化较大。梯度幅值变化大可以理解为该点与其他像素灰度值的差值较大梯度方向变化大可以理解为沿着任何一个方向移动，该点与周围像素的灰度差值都较大，与之形成对比的是边缘，垂直于边缘的方向，灰度值的差值变化较大，但是沿着边缘的方向灰度差值变化较小。这样，对于一张图像，按照梯度方向和幅值考虑，有三种情况：平面、边缘...