PCL:具有 ISS 关键点的 PFH
PCL: PFH with ISS keypoints
目前我正在尝试计算 ISS 关键点的 PFH 描述符。我执行以下步骤:
(1) 用pcl::ISSKeypoint3D检测关键点
(2) 用 pcl::NormalEstimation 从 (1) 估计新关键点云的法线
(3) 使用 pcl::PFHEstimation
估计 (2) 中关键点和法线的 PFH
据我了解,PFH 估计考虑了 k 个邻居,因此复杂度为 O(n*k^2),其中 n表示关键点的个数。但是,我只将由关键点本身组成的云传递给 (3) 中的估计器。
所以我的问题是:如何检索每个 ISS 关键点的 k 个邻居?
您必须将原始法线作为输入。
那么,应该设置三项。
setinputcloud(为顶点过滤一个)
//问题关键点
setinputnormals(法线未过滤)
//使用原始顶点的原始法线
setSearchSurface(非过滤的一个用于 vetices)
// 原始顶点
不能同时使用关键点的法线和原始顶点。
PCL 会显示一些错误。
下面的案例会告诉你错误。
1.
setinputcloud(为顶点过滤一个)
//问题关键点
setinputnormals(为法线过滤一个)
//使用过滤后的顶点重新计算法线
setSearchSurface(非过滤的一个用于 vetices)
// 原始顶点
2.
setinputcloud(为顶点过滤一个)
//问题关键点
setSearchSurface(非过滤的一个用于 vetices)
// 原始顶点
目前我正在尝试计算 ISS 关键点的 PFH 描述符。我执行以下步骤:
(1) 用pcl::ISSKeypoint3D检测关键点 (2) 用 pcl::NormalEstimation 从 (1) 估计新关键点云的法线 (3) 使用 pcl::PFHEstimation
估计 (2) 中关键点和法线的 PFH据我了解,PFH 估计考虑了 k 个邻居,因此复杂度为 O(n*k^2),其中 n表示关键点的个数。但是,我只将由关键点本身组成的云传递给 (3) 中的估计器。
所以我的问题是:如何检索每个 ISS 关键点的 k 个邻居?
您必须将原始法线作为输入。
那么,应该设置三项。
setinputcloud(为顶点过滤一个) //问题关键点
setinputnormals(法线未过滤) //使用原始顶点的原始法线
setSearchSurface(非过滤的一个用于 vetices) // 原始顶点
不能同时使用关键点的法线和原始顶点。
PCL 会显示一些错误。
下面的案例会告诉你错误。
1.
setinputcloud(为顶点过滤一个) //问题关键点
setinputnormals(为法线过滤一个) //使用过滤后的顶点重新计算法线
setSearchSurface(非过滤的一个用于 vetices) // 原始顶点
2.
setinputcloud(为顶点过滤一个) //问题关键点
setSearchSurface(非过滤的一个用于 vetices) // 原始顶点