深圳做网站的好公司,外国网站的浏览器下载,智能行业网站模板,莘县网站制作博客转载自#xff1a;http://www.cnblogs.com/ironstark/p/5046479.html 关键点又称为感兴趣的点#xff0c;是低层次视觉通往高层次视觉的捷径#xff0c;抑或是高层次感知对低层次处理手段的妥协。 ——三维视觉关键点检测 1.关键点#xff0c;线#xff0c;面 关键点 …博客转载自http://www.cnblogs.com/ironstark/p/5046479.html 关键点又称为感兴趣的点是低层次视觉通往高层次视觉的捷径抑或是高层次感知对低层次处理手段的妥协。 ——三维视觉关键点检测 1.关键点线面 关键点 特征点 关键线 边缘 关键面 foreground 上述三个概念在信息学中几乎占据了统治地位。比如1维的函数信号有各种手段去得到某个所谓的关键点有极值点拐点...二维的图像特征点提取算法是标定算法的核心harris),边缘提取算法更是备受瞩目canny,LOG.....)当然对二维的图像也有区域所谓的前景分割算法用于提取感兴趣的区域但那属于较高层次的视觉本文不讨论。 由此可以推断三维视觉应该同时具备关键点关键线关键面三种算法。本质上关键面算法就是我们之前一文中讨论的分割算法三维点云不是实心的。关于关键点更多的信息可以参考特征检测 ok,在这里我们了解到了要在n维信息中提取n-1维信息是简单的但n-2维信息会比n-1维要不稳定或者复杂的多。很容易想象图像的边缘处理算法所得到的结果一般大同小异但关键点提取算法的结果可以是千差万别的。主要原因是降维过大后特征的定义很模糊很难描述清楚对一幅图像来说到底怎样的点才是关键点。所以对3维点云来说关键点的描述就更难了。点云也有1维边缘检测算法本文不做讨论。单说说关键点提取。 2.来自点云的降维打击 图像的Harris角点算子将图像的关键点定义为角点。角点也就是物体边缘的交点harris算子利用角点在两个方向的灰度协方差矩阵响应都很大来定义角点。既然关键点在二维图像中已经被成功定义且使用了看来在三维点云中可以沿用二维图像的定义...不过今天要讲的是另外一种思路简单粗暴直接把三维的点云投射成二维的图像不就好了。这种投射方法叫做range_image. 首先放上一张range_imge和点云图像的合照 看起来像个眼睛的那玩意就是range_image. 至于它为什么像个眼睛就要从它的出生开始说起了。三维点云有多种采集方式最为著名的是结构光飞秒相机双目视觉。简而言之采集都离不开相机。用相机拍照当然就存在相机的光心坐标原点 Oc 以及主光轴方向 Z. 从这个点有一种办法可以将三维数据映射到2维平面上。首先将某点到光心Oc的距离映射成深度图的灰度或颜色灰度只有256级但颜色却可接近连续变化。除此之外再定义一下怎样将点云映射到图像的横纵坐标上就可以了。 任意一点都要和光心进行连线.....这么听起来很熟悉....好像有点像球坐标的意思。球坐标长下面这张图这样。 深度图中的横纵坐标实际上是a和phi如果要保证沿着场景中某条直线移动a线性变化phi却先增大后减小。这也就造成了深度图像一个眼睛一样。但这并不妨碍什么phi没有定义的地方可以使用深度无限大来代替。 将点云转成深度图只需要确定一个直角坐标系角分辨率a范围phi范围即可。毕竟这只是一个直角坐标转球坐标的工作而已。 这样做显然是有好处的首先这是一种除了八叉树kd_tree之外能够将点云的空间关系表达出来的手段。每个点云都有了横纵深三个坐标并且这种坐标原点的设定方式在理论上是不会存在干涉的从原点出发的一条线理论上不会遇到多余1个点。于是点云的空间关系就自然的被编码与深度图中。 显然图像中的关键点检测算子就可以被移植到点云特征点求取中来了。 3.基于PCL的点云-深度图转换 //rangeImage也是PCL的基本数据结构
pcl::RangeImage rangeImage;
//角分辨率
float angularResolution (float) ( 1.0f * (M_PI/180.0f)); // 1.0 degree in radians
//phi可以取360°float maxAngleWidth (float) (360.0f * (M_PI/180.0f)); // 360.0 degree in radians
//a取180°float maxAngleHeight (float) (180.0f * (M_PI/180.0f)); // 180.0 degree in radians
//半圆扫一圈就是整个图像了//传感器朝向Eigen::Affine3f sensorPose (Eigen::Affine3f)Eigen::Translation3f(0.0f, 0.0f, 0.0f);
//除了三维相机模式还可以选结构光模式pcl::RangeImage::CoordinateFrame coordinate_frame pcl::RangeImage::CAMERA_FRAME;
//noise level表示的是容差率因为1°X1°的空间内很可能不止一个点noise level 0则表示去最近点的距离作为像素值如果0.05则表示在最近点及其后5cm范围内求个平均距离float noiseLevel0.00;
//minRange表示深度最小值如果0则表示取1°X1°的空间内最远点近的都忽略float minRange 0.0f;
//bordersieze表示图像周边点 int borderSize 1;
//基本数据结构直接打印是ok的std::cout rangeImage \n; 转载于:https://www.cnblogs.com/flyinggod/p/8474674.html
