PCL(4):浅谈特征直方图在实际操作中的应用（一）

二更鼓响

于 2020-06-18 18:44:40 发布

阅读量747

点赞数 1

分类专栏：点云文章标签：计算机视觉

本文链接：https://blog.youkuaiyun.com/qq_42827488/article/details/106794793

版权

本文深入探讨了PCL库中pcl::Feature类的特征直方图应用，包括点云数据的两种输入方法及其对应四种应用模式。详细解释了setInputCloud(), setIndices(), setSearchSurface()等函数的使用，以及它们如何影响特征估计。通过实例解析了每种模式的特点，例如全点云估计、索引子集估计、搜索表面指定等，有助于理解和优化点云处理的效率。" 132810165,19694669,交叉熵与相对熵在机器学习中的应用,"['机器学习', '深度学习', 'Python', '概率论与数理统计']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先看一段代码，从代码讲起。

pcl::PFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::PFHSignature125> pfh_tgt;
	pfh_tgt.setInputCloud(cloud_tgt);
	pfh_tgt.setInputNormals(cloud_tgt_normals);
	pcl::search::KdTree<PointT>::Ptr tree_tgt_fpfh(new pcl::search::KdTree<PointT>);
	pfh_tgt.setSearchMethod(tree_tgt_fpfh);
	pcl::PointCloud<pcl::PFHSignature125>::Ptr pfhs_tgt(new pcl::PointCloud<pcl::PFHSignature125>());
	pfh_tgt.setRadiusSearch(0

最低0.47元/天解锁文章