点云库PCL学习——特征描述与提取（3）

最新推荐文章于 2025-01-13 20:51:07 发布

原创

最新推荐文章于 2025-01-13 20:51:07 发布 · 1.2k 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了点云库PCL中三种点特征描述子：PFH、FPFH和VFH。PFH通过空间差异形成多维直方图进行点的描述；FPFH降低了计算复杂度但保持性能；VFH结合视点方向，包含视点相关和表面形状描述两部分。代码段展示了如何对点云数据集估计这些特征。

一、点特征直方图描述子（PFH）

计算方式通过参数化查询点与淋浴点之间的空间差异，并形成一个多维直方图对点的k邻域集合属性进行描述。

以下代码段对输入数据集中所有点估计其对应的PFH特征。

#include <pcl/point_types.h>
#include <pcl/features/pfh.h>    //PFH


pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>());

//以下为本章主要内容
pcl::PFHEstimation<pcl::PointXYZ,pcl::Normal,pcl::PFHSignature125>pfh;
pfh.setInputCloud(cloud);
pfh.setInputNormals(normals);
//创建一个空的kd树表示法
pcl::KdTreeFLANN<pcl::PointXYZ>::Ptr tree(new pcl::KdTreeFLANN<pcl::PointXYZ>());
pfh.setSearchMethod(tree);
//输出的数据集
pcl::PointCloud<pcl::PFHSignature125>::Ptr pfhs(new pcl::PointCloud<pcl::PFHSignature125>());
//使用半径内5里面范围所有元素
pfh.setRadiusSearch(0.05);

pfh.compute(*pfhs);

二、快速点特征直方图描述子（FPFH）

复杂度比PFH低，但是总体性能不变。

以下代码段对输