点云FPFH特征描述子
- 一、概述
-
- 1.1 FPFH概念
- 1.2 基本原理
- 1.3 PFH和FPFH的区别
- 二、代码实现
- 三、结果示例
一、概述
1.1 FPFH概念
快速点特征直方图(FPFH)描述子:计算 PFH 特征的效率其实是十分低的,这样的算法复杂度无法实现实时或接近实时的应用。因此,这篇文章将介绍 PFH 的简化加速版本 Fast Point Feature Histogram,在这里简称为 FPFH,中文名译作「快速点特征直方图」。FPFH 能保留 PFH 的大部分特性和获得近似的结果,并能将计算复杂度降为 O(nk)。
1.2 基本原理
下面具体介绍 FPFH 如何通过简化和优化使计算变得更快的。
- 首先是对每个点 (pq),利用与 PFH 相似的方法计算它与它每个邻域之间的三元组⟨α,ϕ,θ⟩,并统计得到一个 Simplified Point Feature Histogram,即简化的点特征直方图,在这里简称为 SPFH。
- 接下来的一步是重新确定每个点的 k 邻域,并使用邻近的 SPFH 值来加权计算得到最终 pq 的直方图,也就是所谓的 FPFH。计算 FPFH 的公式如下:
其中权重 ωk 依赖于中心点 pq 与某个近邻点 pk 在给定的度量空间中的距离,用以衡量点对 (pq, p