PCL 小結
1. PCL viewer
用來可視化三維點雲或者得到的二維圖像,詳見官方教程
2. 點雲數據格式
2.1 Introduction
點雲基礎的類型類似一個vector,每個元素表示一個多維的點信息(座標,Normal,RGB,Intensity 等等)。
2.2 優化的格式
2.2.1 KD-tree
k-d tree decomposition for the point set : (2,3), (5,4), (9,6), (4,7), (8,1), (7,2)。(來自維基)
2.2.2 Octree 八叉樹
用來在三維的情況規劃點雲數據,目的和kd-tree一致。
2.2.3 優點
如果單純的使用vector來搜索鄰近的點,那麼需要對整個數列做窮舉。對大量點雲的數據來說,這個過程極其耗費時間與資源。但是如果用類似上述的特殊數據結構,那麼對鄰近點的搜索就變得非常的簡單優美了。
3. 特徵點的描述
算法 | 全局性 | 適用情況 |
---|---|---|
PFH(point feature histograms) | 局部特徵 | |
手機 | $12 | |
導管 | $1 |
3.1 PFH(point feature histograms)
- 查詢點, 去半徑爲r的球其中有k個點的臨域。
- 計算臨域中每對點的關係圖(如上圖所示)