【PCL】点云特征提取Harris、ISS、SIFT、Boundary

一、概要

点云特征提取是3D计算机视觉中的关键步骤，用于识别和描述点云中的显著特征。以下是几种常见的点云特征提取方法：

1.1 Harris

• Harris角点检测：最初用于2D图像，通过计算像素灰度变化来检测角点。在3D点云中，Harris通过分析点云曲率或法向量变化来检测角点。
• 应用：适用于需要高重复性和稳定性的场景，如物体识别和配准。

1.2 ISS (Intrinsic Shape Signatures)

• ISS特征点检测：基于点云的局部几何特性，通过计算每个点的邻域协方差矩阵，选择具有显著几何变化的点作为特征点。
• 应用：常用于3D物体识别和场景理解。

1.3 SIFT (Scale-Invariant Feature Transform)

• SIFT特征提取：最初用于2D图像，通过检测尺度空间中的极值点并生成描述符。在3D点云中，SIFT通过分析点云的多尺度表示来提取特征。
• 应用：适用于需要尺度不变性和旋转不变性的场景，如3D物体识别和配准。

1.4 Boundary

• 边界特征提取：通过检测点云中的边界点来提取特征，通常基于点云的法向量或曲率变化。
• 应用：适用于需要识别物体边界的场景，如场景分割和物体识别。

1.5 总结

• Harris：基于曲率或法向量变化检测角点。
• ISS：基于局部几何特性检测特征点。
• SIFT：基于多尺度表示提取特征。
• Boundary：基于法向量或曲率变化检测边界点。

2、代码和结果

2.1 PCL代码:

#include <pcl/point_types.h>
#include<pcl/common/common.h>
#include <pcl/io/ply_io.h>
#include<pcl/keypoints/harris_3d.h>
#include<pcl/keypoints/iss_3d.h>
#include<pcl/keypoints/sift_keypoint.h>
#include<pcl/features/pfh.h>
#include<pcl/features/fpfh.h>
#include<pcl/features/vfh.h>
#include<pcl/features/ppf.h>
#include <pcl/features/shot.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>  // Include the Boost.Thread header
#include <boost/date_time/posix_time/posix_time.hpp>  // Include for boost::posix_time
                                    
namespace pcl
{
   
  template<>
  struct SIFTKeypointFieldSelector<PointXYZ>
  {
   
    inline float
      operator () (const PointXYZ &p) const
{
   
      return p.z;
    }
  };
}


void computeNormal(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in, pcl::PointCloud<pcl::Normal>::Ptr cloud_normals) {
   

  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> nores;
  pcl::search::KdTree< pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree< pcl::PointXYZ>());
  nores.setInputCloud(cloud_in);
  nores.setSearchMethod(tree);
  //nores.setKSearch(20);
  nores.setRadiusSearch(0.02)