比较两个点云相似度的度量

Question

有哪些指标或方法广泛用于比较两个点云对象的相似性？（例如，它可以是 PCD 文件或 PLY 文件）。

我在 PCL 图书馆的文档中搜索过，但没有找到。用谷歌搜索，找到了一些研究，但他们谈论的是新方法，而不是广泛使用或已经使用的方法。

有什么比较点云相似度的基本方法吗？或者甚至 PCL 库中的某些函数可以完成这项工作？

Answer 1

不幸的是，我认为它没有正式记录，但 PCL 有一个命令行应用程序来报告 Hausdorff distance between two clouds. Try running pcl_compute_hausdorff. It's also available in the PDAL library (https://pdal.io/apps/hausdorff.html)，而你会运行 pdal hausdorff.

另一个常见的是倒角距离（如 https://arxiv.org/abs/1612.00603 中所述），尽管我没有立即意识到实现。

Answer 2

这是我的方法：

#include <algorithm>
#include <numeric>

#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/common/geometry.h>
#include <pcl/search/kdtree.h>

template<typename TreeT, typename PointT>
float nearestDistance(const TreeT& tree, const PointT& pt)
{
  const int k = 1;
  std::vector<int> indices (k);
  std::vector<float> sqr_distances (k);

  tree.nearestKSearch(pt, k, indices, sqr_distances);

  return sqr_distances[0];
}

// compare cloudB to cloudA
// use threshold for identifying outliers and not considering those for the similarity
// a good value for threshold is 5 * <cloud_resolution>, e.g. 10cm for a cloud with 2cm resolution
template<typename CloudT>
float _similarity(const CloudT& cloudA, const CloudT& cloudB, float threshold)
{
  // compare B to A
  int num_outlier = 0;
  pcl::search::KdTree<typename CloudT::PointType> tree;
  tree.setInputCloud(cloudA.makeShared());
  auto sum = std::accumulate(cloudB.begin(), cloudB.end(), 0.0f, [&](auto current_sum, const auto& pt) {
    const auto dist = nearestDistance(tree, pt);

    if(dist < threshold)
    {
      return current_sum + dist;
    }
    else
    {
      num_outlier++;
      return current_sum;
    }
  });

  return sum / (cloudB.size() - num_outlier);
}

// comparing the clouds each way, A->B, B->A and taking the average
template<typename CloudT>
float similarity(const CloudT& cloudA, const CloudT& cloudB, float threshold = std::numeric_limits<float>::max())
{
  // compare B to A
  const auto similarityB2A = _similarity(cloudA, cloudB, threshold);
  // compare A to B
  const auto similarityA2B = _similarity(cloudB, cloudA, threshold);

  return (similarityA2B * 0.5f) + (similarityB2A * 0.5f);
}

这个想法是通过搜索 B 的每个点到邻居的最近距离来比较点云 B 和 A。通过平均找到的距离（排除异常值），您可以得到一个很好的估计的相似性。

比较两个点云相似度的度量

Metric to compare two point clouds similarity

point-clouds

point-cloud-library