PCL 点云SUSAN关键点提取【2024最新版】

已于 2024-11-09 21:22:59 修改
阅读量2k 收藏 16
点赞数 11
CC 4.0 BY-SA版权
分类专栏： PCL学习 文章标签： 3d 算法 开发语言 计算机视觉 人工智能 c++
于 2023-12-26 10:40:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36686437/article/details/134584056
PCL学习 专栏收录该内容
264 篇文章 ¥19.90 ¥99.00
订阅专栏
本文介绍了如何使用PCL库在RGB-D数据中应用SUSAN算法提取关键点。SUSAN关键点检测依赖于强度和法向量变化，相比Harris更快。虽然常见于图像处理，但在点云领域的应用较少。文章涵盖了算法原理、代码实现、结果展示和测试数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

在这里插入图片描述

本文由优快云点云侠原创，原文链接。
博客长期更新，本文最新更新时间为：2024年11月9日。代码在PCL1.14.1中测试通过

一、算法原理

1、算法概述

  pcl::SUSANKeypoint实现了SUSAN关键点探测器的在RGB-D数据中的扩展，主要根据在强度与法向量的变化来提取关键点。SUSAN与Harris的不同之处在于它直接利用法线，所以速度更快。
Harris关键点检测的具体实现原理与代码见

了解本专栏 订阅专栏 解锁全文
PCL 点云SUAN关键点提取
纵马踏花向自由
10-09 803
SUSAN关键点提取是一种基于几何特征的角点检测算法，通过对点云中局部的几何结构进行分析，识别出在局部几何上具有显著性变化的关键点。该算法常用于物体识别、点云配准以及三维重建等领域，具有较高的鲁棒性。
【2025最新版】PCL点云处理算法汇总（C++长期更新版）
最新发布
点云侠的博客
01-18 61万+
PCL学习目录。博客长期更新，最近一次更新时间为：2025年7月20日。
PCL系列——拼接两个点云
张学志の博客
03-30 4万+
PCL系列 PCL系列——读入PCD格式文件操作 PCL系列——将点云数据写入PCD格式文件 PCL系列——拼接两个点云 说明通过本教程，我们将会学会： * 如何拼接两个不同的点云的点，约束条件是两个数据集中的域的数量和类型必须相等。* 如何拼接两个不同点云的域，约束条件是连个数据集中的点的数量必须相等。操作 在VS2010 中新建一个文件 concatenate_clouds.cpp，然后将下面
SUSAN角点检测与匹配算法代码(OpenCV)
JM-Nie的博客
04-06 4066
SUSAN(Small univalue segment assimilating nucleus)是一种基于灰度图像以及窗口模板的特征点获取方法，适用于图像中边缘和角点的检测，对噪声鲁棒，而且具有简单、有效、计算速度快等特点。本文结合SUSAN算法原理, 实现SUSAN角点检测,并结合Brief描述子,实现角点匹配算法。话不多说,直接上代码,代码有详细的注释！后面还有相应的论文，感兴趣的可以深入研究一下。
OpenCV——SUSAN边缘检测
点云侠的博客
04-15 1265
Susan边缘检测算法相比其他边缘检测算法具有以下特点：对噪声具有较好的鲁棒性，能够有效地抑制噪声对边缘检测的影响。可以检测到细线条和曲线等细节信息。算法简单，计算效率较高。
#读PCL源码#关键点检测
ktwoivy的博客
04-13 2093
keypoint的类：有这么多种keypointsusan keypoint :需要intensity, normal主要的方法和函数在susan.hpp有openMP接口 \brief SUSANKeypoint implements a RGB-D extension of the SUSAN detector inluding normal     * directions variatio...
PCL从理解到应用【09】 点云特征 | 关键点提取 | 方法汇总
黎国溥
08-03 3928
在PCL中，有多种方法和函数可以用来提取点云特征，本文介绍关键点提取。提取点云关键点，本文介绍的方法包括：SIFT、Harris、NARF、ISS和SUSAN。Harris 提取点云关键点，效果如下图所示：白色点是原始的点云（兔子），绿色点是Harris提取的点云关键点。对比一下5种点云关键点算法，如下表格所示：方法简介特点时间复杂度优点缺点SIFT基于尺度不变特征变换，检测不同尺度和旋转不变的关键点尺度不变性、旋转不变性高在尺度和旋转变化下稳定，对噪声有较强的鲁棒性。
PCL 点云投影到圆柱【2024最新版】
点云侠的博客
02-09 5973
使用PCL将点云投影到圆柱，代码的两种使用方式。博客长期更新，本文最新更新时间为：2024年11月25日。
PCL点云处理之基于高程特征的SIFT关键点提取与可视化（一百二十三）
weixin_44329757的博客
04-05 663
基于SIFT的关键点提取技术，在很多领域有着广泛应用，对关键点而不是原始点处理，可以极大加快处理速度，当然作为关键点，总是希望它够稳定，具体原理不再赘述（不想抄了，抄漏了不是影响你理解吗嘿嘿），代码复制黏贴即可使用，这里有点云输出和效果图输出两种结果展示。输出的点云可以加载到可视化软件里查看。
PCL 计算点云法向量并显示【2025最新版】
点云侠的博客
04-16 32万+
PCL计算法向量并显示，用OMP进行计算加速以及法线定向的深层次理解、操作。博客长期更新，本文最近更新时间为：2025年1月1日。
SUSAN算法关键点提取
twnkie的博客
11-08 672
SUSAN 算法的核心是通过计算一个点及其邻域点的相似性来判断点的显著性。在3D点云中，这种相似性通常基于点的几何位置和属性（例如法向量或颜色）。
SUSAN关键点检测以及SAC-IA粗配准
qq_58060770的博客
02-17 1156
例如，增加半径、距离阈值、角度阈值和强度阈值可能会导致检测到更多的关键点，而减小这些值则会使得更少的点被检测为关键点。这个阈值用于控制在检测角点时考虑的点云强度（或灰度）的范围，较大的值将允许更强或更弱的点被检测为关键点。这个半径决定了在每个点周围的搜索区域的大小，较大的半径可能会导致检测到更多的关键点。这个阈值用于控制在检测角点时考虑的角度范围，较大的值将允许更大的角度范围内的点被检测为关键点。：创建了一个指向存储PointXYZI类型的点云的指针，该点云用于存储检测到的关键点的坐标及其强度信息。
[PCL]keypoint
weixin_34341229的博客
04-14 219
1. Harris角点 http://www.cnblogs.com/ironstark/p/5064848.html   2. ISS关键点 http://www.cnblogs.com/ironstark/p/5069311.html   3. NARF http://pointclouds.org/documentation/tutorials/narf_keypoint_ex...
PCL库学习笔记——从深度图提取NARF关键点
王勇的博客
07-09 2575
下面代码演示了如何从深度图中提取我们感兴趣的NARF关键点。#include <iostream> #include <boost/thread/thread.hpp> #include <pcl/range_image/range_image.h> #include <pcl/io/pcd_io.h> #include <pcl/visua...
PCL VS2010 配置
susandebug
12-12 3687
由于之前我的电脑配置opencv,用cmake配置,opencv.sln build的时间太长，太麻烦，而且cmake很容易出错，因此在这儿我介绍一种简单容易的PCL VS2010配置方法，和大家分享，这种方法比官网上容易很多。自己花了很多时间才完全弄懂，希望后面看到的人能省下一些时间。 1.下载allinone安装包，可在官网上直接下载，注意下载与VS2010相同的版本，比如32位的VS下载3
KinectV2 Face Basic
ah,fresh meat
09-08 1778
KinectV2 Face BasicKinectV2 将有关Face的内容分为了两部分：Face Basic & HD face。 这里首先记录Face Basic有关的内容。KinectV2 Face Basic FaceFrameResult face points face bounding box face orientation face properties 代码样例 编码提示Fac
PCL(关键点+基于对应点分类的对象识别)
weixin_43384504的博客
11-23 1502
关键点的定义可以从二维图像中类推出来的，点云这里也是一样的，它通常是和特征描述子结合在一起的。叫做关键点描述子。 关键描述子，可以简单的代表物体，后续可以加快识别和追踪。 有这样几个关键点 基于深度图的narf点、基于点云的sifi特征点+harris关键点。pcl 程序就是简单调用api。最后对书中的例子进行主要的研究； 例子名字：基于对应点分类的对象识别 主要思路是：利用特征匹配得到场...
机器人三维视觉 pcl 点云库　云关键点 /Keypoints　Harris3D、 NARF
万有文的博客
03-15 1万+
机器人三维视觉 pcl 点云库 云关键点 /Keypoints Harris3D、 NARF 博文末尾支持二维码赞赏哦 我们都知道在二维图像上，有Harris、SIFT、SURF、KAZE这样的关键点提取算法， 这种特征点的思想可以推广到三维空间。 关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起， 组成　关键点描述子　常用来形成原始数据的表示，而且不失代表性...
PCL学习：关键点-Keypoint类
zfjBIT的专栏
06-19 1635
关键点也称为兴趣点，它是2D图像或是3D点云或者曲面模型上，可以通过定义检测标准来获取的具有稳定性，区别性的点集，从技术上来说，关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的表示，而且不失代表性和描述性，从而加快了后续的识别，追踪等对数据的处理了速度，故而，关键点技术成为在2D和3D 信息处理中非常关键的技术。 pcl::Key...
C++代码实现PCL点云配准与关键点检测技术
常用的算法包括AGAST角点检测、SUSAN关键点检测、Harris关键点检测、NARF关键点检测和ISS关键点检测等。这些算法各有特点，AGAST具有较高的运算速度，SUSAN是一种区域描述算子，Harris是经典的角点检测算法，NARF...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值