PCL — Point Pair Feature 中层次点云处理
博客转载自:http://www.cnblogs.com/ironstark/p/5971976.html
机器人视觉中有一项重要人物就是从场景中提取物体的位置,姿态。图像处理算法借助Deep Learning 的东风已经在图像的物体标记领域耍的飞起了。而从三维场景中提取物体还有待研究。目前已有的思路是先提取关键点,再使用各种局部特征描述子对关键点进行描述,最后与待检测物体进行比对,得到点-点的匹配。个别文章在之后还采取了ICP对匹配结果进行优化。
对于缺乏表面纹理信息,或局部曲率变化很小,或点云本身就非常稀疏的物体,采用局部特征描述子很难有效的提取到匹配对。所以就有了所谓基于Point Pair 的特征,该特征使用了一些全局的信息来进行匹配,更神奇的是,最终的位姿估计结果并不会陷入局部最小值。详细可参见论文:Model globally, match locally: Efficient and robust 3D object recognition. 与 Going further with point pair features。SLAM的重要研究方向object based Slam 也声称使用了Point Pair Feature进行匹配。
为了更好的理解这种方法,而在pcl中也没有找到现成的算法,所以我自己用matlab实现了一遍
算法的思想很简单:
0、ppf 特征为[d,<d,n1>,<d,n2>,<n1,n2>].
1、针对目标模型,在两两点之间构造点对特征F,如果有N个点,那么就有N*N个特征(说明此算法是O(N2)的),N*N个特征形成特征集F_Set
2、在场景中任意取1定点a,再任意取1动点b,构造ppf特征,并从F_set中寻找对应的,那么理想情况下,如果找到了完全匹配的特征,则可获得点云匹配的结果。
3、此算法是一种投票算法,每次匹配都能得到一个旋转角度,如果m个b都投票给了某一旋转角度则可认为匹配成功
这个算法最大的问题就是不停的采样会导致极大的计算量。不过算法本身确实可以匹配物体和场景。
//ppf 特征的构建function obj = ppf(point1,point2) d = point1.Location - point2.Location; d_unit = d/norm(d); apha1 = acos(point1.Normal*d_unit'); apha2 = acos(point2.Normal*d_unit'); apha3 = acos(point1.Normal*point2.Normal'); obj = [norm(d),apha1,apha2,apha3]; end
ppf 特征集的构建
classdef modelFeatureSet < handle %MODELFEATURESET 此处显示有关此类的摘要 % 此处显示详细说明 properties FeatureTree ModelPointCloud Pairs end methods function obj = modelFeatureSet(pt) obj.ModelPointCloud = copy(pt.removeInvalidPoints()); end function growTree(self) self.ModelPointCloud = pcdownsample(self.ModelPointCloud,); pt_size = self.ModelPointCloud.Count; idx = repmat(:pt_size,pt_size,); tmp1 = reshape(idx,pt_size*pt_size,); tmp2 = reshape(idx',pt_size*pt_size,1); pairs = [tmp1,tmp2]; rnd = randseed(,,,,pt_size*pt_size); pairs = pairs(rnd,:); Features = zeros(size(pairs,),); :size(pairs,) Features(i,:) = ppf(self.ModelPointCloud.)),... self.ModelPointCloud.))); end self.FeatureTree = createns(Features); self.Pairs = pairs; end end end
最新文章
- Majority Number I &; || &;&; |||
- CSS3中的counter和content属性,一些简单的内容显示就不需要JS去实现了
- [jQuery].scrollTop() 函数详解
- Java中使用验证码和二维码
- C# 将字符串转化成流,将流转换成字符串
- AutoCompleteTextView输入汉字拼音首字母实现过滤提示(支持多音字,Filterable的使用)
- Oracle 课程三之表设计
- nyoj VF函数
- C#的tooltip自动消失之后就不再显示了解决办法
- QT 信号与槽 QT简单加法器的实现
- IOS中的JSON数据的解析
- linux函数的阻塞与非阻塞IO及错误处理
- YAML学习
- 【php增删改查实例】第二十节 - 把用户管理页面集成到main.php中
- CF 1023
- python str,list,tuple转换
- nginx的proxy_pass路径转发规则浅析(末尾/问题)
- Java项目生成可执行jar包、exe文件以及在Windows下的安装文件
- [Functional Programming] mapReduce over Async operations and fanout results in Pair(rejected, resolved) (fanout, flip, mapReduce)
- “全栈2019”Java第一百零九章:匿名内部类实现唯一抽象类或接口