全局特征

???????? 點(diǎn)云的檢測(cè)和分類一般使用全局特征，傳統(tǒng)的檢測(cè)方法嚴(yán)重依賴于點(diǎn)云的場(chǎng)景分割，所幸的是點(diǎn)云的分割一般情況下比二維灰度圖像和彩色圖像更容易進(jìn)行?；诜指罘椒ǖ暮锰幨?#xff0c;一旦目標(biāo)被正確分割，點(diǎn)云分類即可以轉(zhuǎn)換為較為簡(jiǎn)單的有遮擋或無(wú)遮擋的點(diǎn)云（位姿）識(shí)別。此時(shí)的分類，即點(diǎn)云識(shí)別可以使用Alignment的方法，也可以使用位姿識(shí)別方法。

???????? 較為流行的檢測(cè)方法使用了CNN，不加分割的CNN方法有二維CNN方法的一般特性，可以使用圖像Map的形式，也可以直接使用點(diǎn)云方式，直接使用點(diǎn)云方式進(jìn)行CNN處理是暫時(shí)的一個(gè)難點(diǎn)。

????????? PCL庫(kù)給出了大量的三維全局特征，經(jīng)典特征有VFH、CVFH、RSD、ESF等.

????? 參考文章：R. B. Rusu and S. Cousins, “3D is here: Point Cloud Library (PCL)”,in Proc. IEEE ICRA 2011, Shanghai,China, May 9–13, 2011, pp. 1–4。下載地址：https://www.researchgate.net/publication/221068443_3D_is_here_Point_cloud_library_PCL

?????? ? 其中使用的3dvs特征的表征性能，得到了理論上的證明，ESF特征就是3Dvs的特征的集合體。此外，SHOT特征計(jì)算量稍大，同時(shí)描述性比較強(qiáng)。

?

局部特征

??????? 局部特征的提取依賴于點(diǎn)云數(shù)據(jù)的存儲(chǔ)格式，二維圖像的存儲(chǔ)格式為二維陣列，而三維圖像的存儲(chǔ)格式一般為8叉樹(shù)，三維陣列存儲(chǔ)占據(jù)數(shù)據(jù)空間太大。

??????? 在噪點(diǎn)較多的情況下，點(diǎn)云局部特征可信度較低。局部特征典型實(shí)例為3D-SURF，把局部點(diǎn)云塊從八叉樹(shù)解析到三維點(diǎn)陣，并根據(jù)SURF特征的原理，獲得檢測(cè)點(diǎn)并提取局部顯著特征。

總結(jié)

以上是生活随笔為你收集整理的三维重建11：点云的全局特征和局部特征的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。