点云的基本特征和描述

Posted long5683

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了点云的基本特征和描述相关的知识,希望对你有一定的参考价值。

@

一、点云特征的基本要求

技术图片http://www.pointclouds.org/documentation/tutorials/

二、点云特征的分类

技术图片技术图片https://blog.csdn.net/shaozhenghan/article/details/81346585

三、点云的基本特征描述

  1. 二维情况
    技术图片
  2. 三维情况
    技术图片

四、PCA(Princile Components Analysis)主成分分析

技术图片

  • 使用的核心算法是矩阵的特征值分解。
  • 基于矩阵特征值或者SVD分解求:
  1. 法向量方向
  2. 对应(等效)椭球体的最短轴方向
  3. 对应点云坐标的协方差矩阵的最小特征值对应的特征向量

技术图片

  • 数据集在某个基上的投影值(也是在这个基上的坐标值)越分散,方差越大,这个基保留的信息也就越多
  • 信息量保存能力最大的基向量一定是的协方差矩阵的特征向量,并且这个特征向量保存的信息量就是它对应的特征值.

4.1 点云的PCA步骤

  1. 找到点(x_i)周围半径(R)范围内的所有点(X),计算均值:

[ar{x}=frac{1}{n} sum_{i=1}^{N} x_{i} ]

  1. 计算样本方差:

[S^{2}=frac{1}{n-1} sum_{i=1}^{n}left(x_{i}-ar{x} ight)^{2} ]

  1. 计算样本协方差:

[egin{array}{l} operatorname{Cov}(X, X)=E[(X-E(X))^T(X-E(X))] \quad=frac{1}{n-1} sum_{i=1}^{n}left(x_{i}-ar{x} ight)^T(x_i-ar{x}))end{array}]

  1. 计算协方差矩阵:

[frac{1}{n}(X-ar{x})^T(X-ar{x}) ]

  1. 特征分解:

[Vleft(egin{array}{ccc} lambda_{1} & & lambda_{2} & && lambda_{3} end{array} ight) V^{T}]

[lambda_{1} geq lambda_{2} geq lambda_{3} geq 0 ]

技术图片技术图片

打赏

码字不易,如果对您有帮助,就打赏一下吧O(∩_∩)O

支付宝

技术图片

微信

技术图片



以上是关于点云的基本特征和描述的主要内容,如果未能解决你的问题,请参考以下文章

支持向量机的车载雷达点云目标识别

基于点云几何特征匹配的配准概述

点云特征——法向量估计

点云处理技术之open3d第二篇:点云的基本操作篇——可视化降采样法向量裁剪和绘制点云

点云数据集的归一化(特征缩放)

离散点云的法向量如何计算?