CN105160344A - 一种三维点云的局部特征提取方法及装置 - Google Patents
一种三维点云的局部特征提取方法及装置 Download PDFInfo
- Publication number
- CN105160344A CN105160344A CN201510340617.2A CN201510340617A CN105160344A CN 105160344 A CN105160344 A CN 105160344A CN 201510340617 A CN201510340617 A CN 201510340617A CN 105160344 A CN105160344 A CN 105160344A
- Authority
- CN
- China
- Prior art keywords
- volume
- local feature
- cloud
- extracted
- feature region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Abstract
本申请提供的三维点云的局部特征提取方法及装置,基于与每个体元素的点对应的局部参考系来计算待提取特征点与相邻体元素的点的角度信息和凹凸信息,能够准确的计算两点之间的特征关系,具有平移、旋转不变的性质,并且由于提取同时将局部点云的凹凸信息包含进去,解决了以往3D局部特征描述时忽略凹凸二义性而导致提取不准的问题。在归一化处理时,采用指数归一化处理及第二范式归一化处理,解决了特征提取时,向量中少量元素过大或过小所导致的相似度计算不准确的问题,从而能提高所提取的三维局部特征的准确性。
Description
技术领域
本申请涉及一种三维点云的局部特征提取方法及装置。
背景技术
随着三维激光扫描技术的快速发展,三维数字几何模型已成为数字音频、数字图像、数字视频之后的第四种数字媒体形式,其相关基础理论和关键技术研究已经发展成为一门新的学科-数字几何处理,并逐渐在计算机辅助设计、动漫游产业、生物医药、数字文化遗产保护等领域取得了广泛的应用。另外,微软Kinect以及Primesense(一种体感技术设备)等硬件设备的兴起,3D(3Dimensions,三维)点云信息的获取变得更为方便快捷。在3D视觉中,局部特征提取一直是点云处理的最关键部分,局部特征描述子则是用于描述提取到的点云的局部特征性。因而无论是3D物体识别,还是3D重建领域,局部特征描述子都起到了非常重要的作用。
目前,对3D局部特征描述子(3D局部特征提取)的研究成果基本分为三类:一种是基于签名的,该方式对局部点云去计算出一个签名作为它的特征描述,主要包括点签名(PointSignature),3D点指纹(3DPointFingerprint),3D-SURF等;另一种是基于直方图的,该方式是对局部点云计算直方图得到局部特征描述的,主要包括旋转图像(SpinImage),3D形状内容描述子(3DShapeContexts);还有一种是新近提出的一种包含签名和直方图的3D局部特征描述子SHOT,SHOT描述子同时具有签名和直方图的优点,能够很好地使用在3D点云处理中。
但是,现有技术中三种3D局部特征描述子均忽略了点云表面的凹凸性特征,使得提取的局部特征容易产生二义性,因而应用在三维点云的处理上常常会出现估计不准确的情况发生。现有技术的局部特征提取的准确性还有待提高。
发明内容
本申请提供一种三维点云的局部特征提取方法及装置,能够提高三维点云的局部特征的提取精确度。
根据本申请的第一方面,本申请提供的三维点云的局部特征提取方法,包括:分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息,所述预设的点云球体中包含若干个体元素,所述体元素与所述待提取局部特征点相邻;根据所述角度信息以及所述凹凸信息进行直方图统计,生成与每个所述体元素一一对应的直方图;将与预设的点云球体中各个所述体元素一一对应的各个直方图连接,得到提取向量;对所述提取向量进行指数归一化处理以及第二范式归一化处理。
根据本申请的第二方面,本申请提供的三维点云的局部特征提取装置,包括:第一计算单元,用于分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息;以及,第二计算单元,用于计算所述待提取的局部特征点与所述体元素的点之间的曲面的凹凸信息,所述预设的点云球体中包含若干个体元素,所述体元素与所述待提取局部特征点相邻;统计单元,用于根据所述第一计算单元计算得到的角度信息以及所述第二计算单元计算得到的所述凹凸信息进行直方图统计,生成与每个所述体元素一一对应的直方图;向量提取单元,用于将所述统计单元统计出的与所述预设的点云球体中各个所述体元素一一对应的各个直方图连接,得到提取向量;归一化处理单元,用于对所述向量提取单元提取得到的所述提取向量进行指数归一化处理以及第二范式归一化处理。
本申请提供的三维点云的局部特征提取方法及装置,基于与每个体元素的点对应的局部参考系来计算待提取特征点与相邻体元素的点的角度信息和凹凸信息,能够准确的计算两点之间的特征关系,具有平移、旋转不变的性质,并且由于提取同时将局部点云的凹凸信息包含进去,解决了以往3D局部特征描述时忽略凹凸二义性而导致提取不准的问题。在归一化处理时,采用指数归一化处理及第二范式归一化处理,解决了特征提取时,向量中少量元素过大或过小所导致的相似度计算不准确的问题,从而能提高所提取的三维局部特征的准确性。
附图说明
图1为本发明的三维点云的局部特征提取方法的流程图;
图2为本发明的三维点云的局部特征提取方法的另一种流程图;
图3为确定每个体元素的点所在的局部参考系的流程图;
图4为计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息流程图;
图5为两个点之间的局部参考系之间的角度信息示意图;
图6a为采用第二范式归一化后得到的特征描述子直方图;
图6b为采用指数归一化和第二范式归一化得到的特征描述子直方图;
图7a是对不同参数α在数据集无色彩点云中的召回率和准确率折线图;
图7b是对不同参数α在真实点云场景中的召回率和准确率的折线图;
图8为一种在噪声下采用申请方法得到的局部特征描述子与其他特征描述子的比较结果图;
图9为一种在噪声下采用申请方法得到的局部特征描述子与其他特征描述子的比较结果图;
图10为一种在噪声下采用申请方法得到的局部特征描述子与其他特征描述子的比较结果图;
图11为一种在真实场景中采用申请方法得到的局部特征描述子与其他特征描述子的比较结果图;
图12为本发明实施例的装置结构示意图;
图13为本发明实施例的另一种装置结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
在本申请实施例中,提供一种三维点云的局部特征提取方法,能够提升三维点云的局部特征的提取精确度。
实施例一:
请参考图1,图1为本发明实施例的三维点云的局部特征提取方法流程图。如图1所示,一种三维点云的局部特征提取方法,可以包括以下步骤:
101、分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算待提取的局部特征点与每个体元素的点之间的曲面的凹凸信息。
其中,预设的点云球体中包含若干个体元素,体元素与待提取局部特征点相邻。
值得指出的是,在计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算待提取的局部特征点与每个体元素的点之间的曲面的凹凸信息时,并不是基于传统的坐标系下进行计算的。本申请实施例针对每个体元素的点设计不同的局部参考系,具体地,先计算协方差矩阵,再对矩阵进行特征分解,得到的三个特征向量的值,然后将特征向量按照从大到小的顺序排序,最后对齐做去二义性计算,得到体元素的点所在的局部参考系。
102、根据角度信息以及凹凸信息进行直方图统计。
生成与每个体元素一一对应的直方图。
103、将与预设的点云球体中各个体元素一一对应的各个直方图连接,得到提取向量。
104、对提取向量进行指数归一化处理以及第二范式归一化处理。
本申请提供的三维点云的局部特征提取方法,基于与每个体元素的点对应的局部参考系来计算待提取特征点与相邻体元素的点的角度信息和凹凸信息,能够准确的计算两点之间的特征关系,具有平移、旋转不变的性质,并且由于提取同时将局部点云的凹凸信息包含进去,解决了以往3D局部特征描述时忽略凹凸二义性而导致提取不准的问题。在归一化处理时,采用指数归一化处理及第二范式归一化处理,解决了特征提取时,向量中少量元素过大或过小所导致的相似度计算不准确的问题。从而本申请方法提取得到的三维局部特征更准确。
实施例二:
本实施例过程与实施例一基本相同,区别在于,本实施例在计算待角度信息以及凹凸信息之前,先为局部特征点构建云球体,并将云球体分割成若干个与局部特征点相邻的体元素。请参考图2,图2为本发明实施例的三维点云的局部特征提取方法流程图。如图2所示,本实施例可以包括以下步骤:
201、构建点云球体。
构建一个以待提取的局部特征点为球心,预设长度为半径的点云球体。
202、对点云球体进行分割。
沿方向角、仰角和以及点云球体的半径,将点云球体进行分割,得到若干个与待提取局部特征点相邻的体元素。
203、确定每个体元素的点所在的局部参考系。
其中,如图3所示,确定局部参考系的过程如下:
203A、根据公式(1)计算协方差矩阵M。
其中,R表示点云球体的半径,p’表示体元素的点,p表示局部特征点,di=||p’-p||2,
203B、对矩阵M进行特征分解,得到的三个特征向量的值。
203C、将特征向量按照从大到小的顺序排序,分别作为局部参考系的横滚轴x,航向轴y,俯仰轴z。
203D、对齐做去二义性计算,得到体元素的点所在的局部参考系。
204、分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息。
如图4所示,具体过程如下:204A、确定在体元素的点所在的局部参考系的横滚轴与所述局部特征点所在坐标系的横滚轴之间的角度α、局部参考系的航向轴与局部特征点所在坐标系的航向轴之间的角度β以及局部参考系的俯仰轴与所述局部特征点所在坐标系的俯仰轴之间的角度θ。
204B、分别计算角度α、β、θ的余弦值,即cosα、cosβ以及cosθ。
204C、求平均值,得到所述体元素的点的角度信息,如下:
205、计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息。
具体过程如下:
1、计算κ(p,p′)=<p-p′,N(p)-N(p′)>,其中,p表示所述待提取的局部特征点,p’表示所述体元素的点,N(p),N(p’)分别表示点p和p’的法线;
2、根据公式(2)计算凹凸信息D。
可以理解的是,步骤204-205的实施不分先后,可以以任一顺序执行,本申请实施例对此不作限定。
206、根据角度信息以及凹凸信息进行直方图统计。
根据步骤205得到的凹凸信息D,以及步骤204得到的角度信息τ,结合公式(3)计算每个所述体元素一一对应的直方图φ;
φ=D(τ+1)……(3)。
207、将与预设的点云球体中各个体元素一一对应的各个直方图连接,得到提取向量。
208、对提取向量进行指数归一化处理以及第二范式归一化处理。
下面举一具体例子,对本申请的三维点云的局部特征提取方法的过程进行介绍。
根据给定的邻域半径(这里一般是点云分辨率的15倍),使用KD树(k-dimensional树,一种分割k维数据空间的数据结构)搜索特征点的领域点。通过这种方式确定的是一个以特征点为球心的点云球体。
对于点云球体,按照方向角、仰角和半径进行分割。这里将方向角分为8部分,仰角分为2部分,半径分为2部分,所以最后将球体分为了32个体元素。
对于每个体元素中的点,计算每个点与特征点之间的凹凸信息和角度信息,然后得到该体元素的直方图。
1、在计算过程用到了每个体元素的点的局部参考系,该局部参考系的估计主要包括以下步骤:
30、计算一个协方差矩阵M:
其中,R表示点云球体的半径,p’表示体元素的点,p表示局部特征点,di=||p’-p||2,并且
31、对矩阵M进行特征分解,对于得到的特征向量。
32、按照特征向量对应的特征值从大到小的顺序排序,对应的三个特征向量为局部参考系的横滚轴x,航向轴y,俯仰轴z。
33、对齐做去二义性计算,得到了最后的独特局部参考系。
2、在得到每个点的局部参考系后,计算体元素中的点和特征点之间的角度信息。这里采用计算平均余弦值的方法。如图5所示,点p和点p’的局部参考系之间的角度分别为α,β和θ,这里直接计算三个角度的余弦值的平均值
3、对于计算凹凸信息问题,这里首先计算:
κ(p,p′)=<p-p′,N(p)-N(p′)>
其中N(x),N(y)分别表示点x和y的法线。然后用符号D来表示两个点之间曲面的凹凸性,这里符号D的判断如下所示:
其中,p表示所述待提取的局部特征点,p’表示所述体元素的点。
4、对体元素中的点与特征点之间的参考系角度信息τ和凹凸信息D得到以后,最后结合这两个信息计算与体元素一一对应的直方图φ:
φ=D(τ+1)
其中φ就是最后用来描述邻域点与特征点之间的角度信息和凹凸信息。根据得到的φ可以判断该邻域点所落入的直方图位置。
将各个体元素所对应的直方图向量连接起来,得到一个针对特征点进行描述的向量。
对于描述子最后要进行的操作是归一化,这里采用指数归一化和第二范式归一化。
指数归一化实际上是特征的各个成分进行指数计算,这里用函数f来表示如下:
f(c)=cα,C表示体元素。
对于特征描述子的各个体元素,都采用函数f来进行计算,得到的描述子经过第二范式归一化就得到最后的基于独特角度直方图签名的3D局部特征描述子。
由图6a可以看到,对于实验中随机选择的一个点,直方图是仅仅采用第二范式归一化,由图6b所示,直方图是采用指数归一化和第二范式归一化,可以看到采用指数归一化后的直方图(图6b)显得更为平滑,这对特征描述是更为准确的,不会使得描述子因为某些描述子成分过高或过低而影响最后的匹配结果。
对于基于独特角度直方图签名的3D局部特征描述子,不仅可以用来对无RGB(工业界的一种颜色标准)信息的点云进行局部特征描述,也可以用来对有RGB信息的点云进行描述。
在实验过程中,主要采用的数据是两个:合成的无色彩点云场景和用3D设备采集的真实场景。对于指数归一化中的参数α,在图7a-7b中显示了实验结果,图7a是对不同参数α在数据集无色彩点云中的召回率和准确率折线图,图7b是对不同参数α在真实点云场景中的召回率和准确率的折线图。可以看到的是,当α取值为0.5时,特征描述子的效果最好。
在图8,图9和图10中,在不同噪声下,采用本申请方法得到的3D局部特征描述子(SUAH)比其他特征描述子(SHOT,ISI)都要更好的结果;在图11中,对于真实场景中的局部特征描述,采用本申请方法得到的3D局部特征描述子(SUAH和CSUAH)比其他特征描述子(SHOT,CSHOT,ISI)同样效果要好。
实施例三:
请参考图12,图12为本发明实施例的装置结构示意图。如图12所示,一种三维点云的局部特征提取装置,可以包括:
第一计算单元60A,用于分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息,以及,第二计算单元60B,用于计算所述待提取的局部特征点与所述体元素的点之间的曲面的凹凸信息,所述预设的点云球体中包含若干个体元素,所述体元素与所述待提取局部特征点相邻。
统计单元61,用于根据第一计算单元60A计算得到的角度信息以及第二计算单元60B计算得到的所述凹凸信息进行直方图统计,生成与每个所述体元素一一对应的直方图。
向量提取单元62,用于将统计单元61统计出的与所述预设的点云球体中各个所述体元素一一对应的各个直方图连接,得到提取向量;
归一化处理单元63,用于对向量提取单元62提取得到的所述提取向量进行指数归一化处理以及第二范式归一化处理。
如图13所示,本发明实施例装置还可以包括:构建单元64,用于构建一个以所述待提取的局部特征点为球心,预设长度为半径的点云球体。
分割单元65,用于沿方向角、仰角和以及所述点云球体的半径,将所述点云球体进行分割,得到若干个与所述待提取局部特征点相邻的体元素。
一个优选的实施例,本发明实施例装置还包括:确定单元66,用于确定每个体元素的点所在的局部参考系,确定单元66具体包括:
计算模块660,用于根据公式(1)计算协方差矩阵M:
其中,R表示点云球体的半径,p’表示体元素的点,p表示局部特征点,di=||p’-p||2,
分解模块661,用于对矩阵M进行特征分解,得到的三个特征向量的值。
排序模块662,用于将所述特征向量按照从大到小的顺序排序,分别作为局部参考系的横滚轴x,航向轴y,俯仰轴z。
去二义性计算模块663,用于对齐做去二义性计算,得到局部参考系。
一个优选的实施例,本发明实施例装置中,第一计算单元60A具体用于:
确定在体元素的点所在的局部参考系的横滚轴与所述局部特征点所在坐标系的横滚轴之间的角度α、所述局部参考系的航向轴与所述局部特征点所在坐标系的航向轴之间的角度β以及所述局部参考系的俯仰轴与所述局部特征点所在坐标系的俯仰轴之间的角度θ。
分别计算所述角度α、β、θ的余弦值,cosα、cosβ以及cosθ。
求平均值,得到所述体元素的点的角度信息
一个优选的实施例,本发明实施例装置中,第二计算单元60B具体用于:
计算κ(p,p′)=<p-p′,N(p)-N(p′)>,其中,p表示所述待提取的局部特征点,p’表示所述体元素的点,N(p),N(p’)分别表示点p和p’的法线;
根据公式(2)计算凹凸信息D;
一个优选的实施例,统计单元61具体用于:根据第二计算单元60B计算得到的凹凸信息D,以及第一计算单元60A计算得到的角度信息τ,结合公式(3)计算每个所述体元素一一对应的直方图φ。
φ=D(τ+1)……(3)。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换。
Claims (10)
1.一种三维点云的局部特征提取方法,包括:其特征在于,包括:
分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息,所述预设的点云球体中包含若干个体元素,所述体元素与所述待提取局部特征点相邻;
根据所述角度信息以及所述凹凸信息进行直方图统计,生成与每个所述体元素一一对应的直方图;
将与预设的点云球体中各个所述体元素一一对应的各个直方图连接,得到提取向量;
对所述提取向量进行指数归一化处理以及第二范式归一化处理。
2.如权利要求1所述的三维点云的局部特征提取方法,其特征在于,所述分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息之前包括:
构建一个以所述待提取的局部特征点为球心,预设长度为半径的点云球体;
沿方向角、仰角和以及所述点云球体的半径,将所述点云球体进行分割,得到若干个与所述待提取局部特征点相邻的体元素。
3.如权利要求2所述的三维点云的局部特征提取方法,其特征在于,所述分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息以及计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息之前包括:
确定每个体元素的点所在的局部参考系,具体包括:
根据公式(1)计算协方差矩阵M:
其中,R表示点云球体的半径,p’表示体元素的点,p表示局部特征点,di=||p’-p||2,
对矩阵M进行特征分解,得到的三个特征向量的值;
将所述特征向量按照从大到小的顺序排序,分别作为局部参考系的横滚轴x,航向轴y,俯仰轴z;
对齐做去二义性计算,得到体元素的点所在的局部参考系。
4.如权利要求3所述的三维点云的局部特征提取方法,其特征在于,所述分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息包括:确定在体元素的点所在的局部参考系的横滚轴与所述局部特征点所在坐标系的横滚轴之间的角度α、所述局部参考系的航向轴与所述局部特征点所在坐标系的航向轴之间的角度β以及所述局部参考系的俯仰轴与所述局部特征点所在坐标系的俯仰轴之间的角度θ;
分别计算所述角度α、β、θ的余弦值,coaα、cosβ以及cosθ;
求平均值,得到所述体元素的点的角度信息
所述计算所述待提取的局部特征点与每个所述体元素的点之间的曲面的凹凸信息包括:
计算κ(p,p′)=<p-p′,N(p)-N(p′)>,其中,p表示所述待提取的局部特征点,p’表示所述体元素的点,N(p),N(p’)分别表示点p和p’的法线;
根据公式(2)计算凹凸信息D;
5.如权利要求4所述的三维点云的局部特征提取方法,其特征在于,根据所述角度信息以及所述凹凸信息进行直方图统计包括:
根据所述凹凸信息D,以及所述角度信息τ,结合公式(3)计算每个所述体元素一一对应的直方图φ;
φ=D(τ+1)......(3)。
6.一种三维点云的局部特征提取装置,其特征在于,包括:
第一计算单元,用于分别计算待提取的局部特征点与预设的点云球体中每个体元素的点的角度信息,以及,第二计算单元,用于计算所述待提取的局部特征点与所述体元素的点之间的曲面的凹凸信息,所述预设的点云球体中包含若干个体元素,所述体元素与所述待提取局部特征点相邻;
统计单元,用于根据所述第一计算单元计算得到的角度信息以及所述第二计算单元计算得到的所述凹凸信息进行直方图统计,生成与每个所述体元素一一对应的直方图;
向量提取单元,用于将所述统计单元统计出的与所述预设的点云球体中各个所述体元素一一对应的各个直方图连接,得到提取向量;
归一化处理单元,用于对所述向量提取单元提取得到的所述提取向量进行指数归一化处理以及第二范式归一化处理。
7.如权利要求6所述的三维点云的局部特征提取装置,其特征在于,还包括:构建单元,用于构建一个以所述待提取的局部特征点为球心,预设长度为半径的点云球体;
分割单元,用于沿方向角、仰角和以及所述点云球体的半径,将所述点云球体进行分割,得到若干个与所述待提取局部特征点相邻的体元素。
8.如权利要求7所述的三维点云的局部特征提取装置,其特征在于,还包括:确定单元,用于确定每个体元素的点所在的局部参考系,具体包括:
计算模块,用于根据公式(1)计算协方差矩阵M:
其中,R表示点云球体的半径,p’表示体元素的点,p表示局部特征点,di=||p’-p||2,
分解模块,用于对矩阵M进行特征分解,得到的三个特征向量的值;
排序模块,用于将所述特征向量按照从大到小的顺序排序,分别作为局部参考系的横滚轴x,航向轴y,俯仰轴z;
去二义性计算模块,用于对齐做去二义性计算,得到局部参考系。
9.如权利要求8所述的三维点云的局部特征提取装置,其特征在于,所述第一计算单元具体用于:
确定在体元素的点所在的局部参考系的横滚轴与所述局部特征点所在坐标系的横滚轴之间的角度α、所述局部参考系的航向轴与所述局部特征点所在坐标系的航向轴之间的角度β以及所述局部参考系的俯仰轴与所述局部特征点所在坐标系的俯仰轴之间的角度θ;
分别计算所述角度α、β、θ的余弦值,cosα、cosβ以及cosθ;
求平均值,得到所述体元素的点的角度信息
所述第二计算单元具体用于:计算κ(p,p′)=<p-p′,N(p)-N(p′)>,其中,p表示所述待提取的局部特征点,p’表示所述体元素的点,N(p),N(p’)分别表示点p和p’的法线;
根据公式(2)计算凹凸信息D;
10.如权利要求9所述的三维点云的局部特征提取装置,其特征在于,所述统计单元具体用于:根据所述凹凸信息D,以及所述角度信息τ,结合公式(3)计算每个所述体元素一一对应的直方图φ;
φ=D(τ+1)......(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340617.2A CN105160344B (zh) | 2015-06-18 | 2015-06-18 | 一种三维点云的局部特征提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340617.2A CN105160344B (zh) | 2015-06-18 | 2015-06-18 | 一种三维点云的局部特征提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105160344A true CN105160344A (zh) | 2015-12-16 |
CN105160344B CN105160344B (zh) | 2019-01-04 |
Family
ID=54801196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510340617.2A Active CN105160344B (zh) | 2015-06-18 | 2015-06-18 | 一种三维点云的局部特征提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105160344B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016201671A1 (zh) * | 2015-06-18 | 2016-12-22 | 北京大学深圳研究生院 | 一种三维点云的局部特征提取方法及装置 |
CN107038726A (zh) * | 2017-04-07 | 2017-08-11 | 武汉科技大学 | 一种格雷码编码的3d特征描述子简化方法 |
CN108632607A (zh) * | 2018-05-09 | 2018-10-09 | 北京大学深圳研究生院 | 一种基于多角度自适应帧内预测的点云属性压缩方法 |
CN109215129A (zh) * | 2017-07-05 | 2019-01-15 | 中国科学院沈阳自动化研究所 | 一种基于三维点云的局部特征描述方法 |
CN111611996A (zh) * | 2020-04-22 | 2020-09-01 | 青岛联合创智科技有限公司 | 一种点云特征点描述子的计算方法 |
WO2021114026A1 (zh) * | 2019-12-09 | 2021-06-17 | 深圳大学 | 一种基于局部参考坐标系的3d形状匹配方法及装置 |
WO2021114027A1 (zh) * | 2019-12-09 | 2021-06-17 | 深圳大学 | 一种基于sgh描述3d局部特征的3d形状匹配方法及装置 |
WO2023144534A1 (en) * | 2022-01-28 | 2023-08-03 | Dyson Technology Limited | Crevice detection |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101922912A (zh) * | 2010-07-22 | 2010-12-22 | 北京矿冶研究总院 | 三维激光扫描测量方法和装置 |
CN102855663A (zh) * | 2012-05-04 | 2013-01-02 | 北京建筑工程学院 | 一种根据激光雷达栅格点云构建csg模型的方法 |
CN104063894A (zh) * | 2014-06-13 | 2014-09-24 | 中国科学院深圳先进技术研究院 | 点云三维模型重建方法及系统 |
US20150006117A1 (en) * | 2013-07-01 | 2015-01-01 | Here Global B.V. | Learning Synthetic Models for Roof Style Classification Using Point Clouds |
CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
-
2015
- 2015-06-18 CN CN201510340617.2A patent/CN105160344B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101922912A (zh) * | 2010-07-22 | 2010-12-22 | 北京矿冶研究总院 | 三维激光扫描测量方法和装置 |
CN102855663A (zh) * | 2012-05-04 | 2013-01-02 | 北京建筑工程学院 | 一种根据激光雷达栅格点云构建csg模型的方法 |
US20150006117A1 (en) * | 2013-07-01 | 2015-01-01 | Here Global B.V. | Learning Synthetic Models for Roof Style Classification Using Point Clouds |
CN104063894A (zh) * | 2014-06-13 | 2014-09-24 | 中国科学院深圳先进技术研究院 | 点云三维模型重建方法及系统 |
CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
Non-Patent Citations (5)
Title |
---|
CAO XIANGE 等: "Design and Test of Subway 3D Point Cloud Data Obtained Based on Ground 3D Laser Scanning Technology", 《2014 TRANS TECH PUBLICATIONS, SWITZERLAND》 * |
张义宽 等: "3维点云的拓扑结构表征与计算技术", 《中国图象图形学报》 * |
曹飞飞: "点云滤波和特征描述技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王丽辉: "三维点云数据处理的技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
边前卫: "三维模型检索中模型查询接口及特征提取算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016201671A1 (zh) * | 2015-06-18 | 2016-12-22 | 北京大学深圳研究生院 | 一种三维点云的局部特征提取方法及装置 |
CN107038726A (zh) * | 2017-04-07 | 2017-08-11 | 武汉科技大学 | 一种格雷码编码的3d特征描述子简化方法 |
CN107038726B (zh) * | 2017-04-07 | 2020-07-31 | 武汉科技大学 | 一种格雷码编码的3d特征描述子简化方法 |
CN109215129A (zh) * | 2017-07-05 | 2019-01-15 | 中国科学院沈阳自动化研究所 | 一种基于三维点云的局部特征描述方法 |
CN109215129B (zh) * | 2017-07-05 | 2022-10-04 | 中国科学院沈阳自动化研究所 | 一种基于三维点云的局部特征描述方法 |
CN108632607B (zh) * | 2018-05-09 | 2019-06-21 | 北京大学深圳研究生院 | 一种基于多角度自适应帧内预测的点云属性压缩方法 |
WO2019213986A1 (zh) * | 2018-05-09 | 2019-11-14 | 北京大学深圳研究生院 | 一种基于多角度自适应帧内预测的点云属性压缩方法 |
CN108632607A (zh) * | 2018-05-09 | 2018-10-09 | 北京大学深圳研究生院 | 一种基于多角度自适应帧内预测的点云属性压缩方法 |
US10939123B2 (en) | 2018-05-09 | 2021-03-02 | Peking University Shenzhen Graduate School | Multi-angle adaptive intra-frame prediction-based point cloud attribute compression method |
WO2021114026A1 (zh) * | 2019-12-09 | 2021-06-17 | 深圳大学 | 一种基于局部参考坐标系的3d形状匹配方法及装置 |
WO2021114027A1 (zh) * | 2019-12-09 | 2021-06-17 | 深圳大学 | 一种基于sgh描述3d局部特征的3d形状匹配方法及装置 |
US11625454B2 (en) | 2019-12-09 | 2023-04-11 | Shenzhen University | Method and device for 3D shape matching based on local reference frame |
CN111611996A (zh) * | 2020-04-22 | 2020-09-01 | 青岛联合创智科技有限公司 | 一种点云特征点描述子的计算方法 |
WO2023144534A1 (en) * | 2022-01-28 | 2023-08-03 | Dyson Technology Limited | Crevice detection |
GB2615305A (en) * | 2022-01-28 | 2023-08-09 | Dyson Technology Ltd | Crevice detection |
Also Published As
Publication number | Publication date |
---|---|
CN105160344B (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160344A (zh) | 一种三维点云的局部特征提取方法及装置 | |
US10339409B2 (en) | Method and a device for extracting local features of a three-dimensional point cloud | |
Jayaram et al. | Convex hulls in image processing: a scoping review | |
CN103729885B (zh) | 多视角投影与三维注册联合的手绘场景三维建模方法 | |
CN107742102B (zh) | 一种基于深度传感器的手势识别方法 | |
CN108052942B (zh) | 一种飞机飞行姿态的视觉图像识别方法 | |
Yang et al. | Multiscale Triangular Centroid Distance for Shape-Based Plant Leaf Recognition. | |
US8270730B2 (en) | Target orientation | |
Guo et al. | A parts-based method for articulated target recognition in laser radar data | |
Shu et al. | Multi-scale contour flexibility shape signature for Fourier descriptor | |
CN109034131A (zh) | 一种半自动人脸关键点标注方法及存储介质 | |
CN105975906A (zh) | 一种基于面积特征的pca静态手势识别方法 | |
Li et al. | The research on traffic sign recognition based on deep learning | |
Wu et al. | Shape-based image retrieval using combining global and local shape features | |
CN103093211A (zh) | 基于深度核信息图像特征的人体运动跟踪方法 | |
Veltkamp et al. | SHREC'10 Track: Large Scale Retrieval. | |
CN105955473A (zh) | 一种基于计算机的静态手势图像识别交互系统 | |
Frejlichowski | A three-dimensional shape description algorithm based on polar-fourier transform for 3D model retrieval | |
Liu et al. | Recognizing occluded 3D faces using an efficient ICP variant | |
Anvaripour et al. | Accurate object detection using local shape descriptors | |
CN103258200A (zh) | 一种基于仿射不变量的符号识别方法 | |
CN111079700B (zh) | 一种基于多种数据类型融合的三维人脸识别方法 | |
Zhdanova et al. | Gastric polyps detection based on endoscopic video using modified dense micro-block difference descriptor | |
Mehmet et al. | Histogram of edge segment curvatures for texture recognition | |
US11755120B2 (en) | Method and device for recognizing a gesture in real-time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |