点云处理中阶 Keypoint

目录

一、什么是关键点

1、2D领域

2、3D领域

1. 点特征

2. 局部描述子

3. 全局描述子

4. 特征检测

二、官方案例案例与资料

三、特征描述与提取模块说明

四、总结

一、什么是关键点

3D点云的特征提取是从三维点云数据中识别和提取描述几何和结构特性的过程。这些特征用于点云的配准、分类、分割和识别等任务。关键点也称为兴趣点，它是 2D 图像或 3D 点云或曲面模型上,可以通过检测标准来获取的具有稳定性、区别性的点集。从技术上来说,关键点的数量比原始点云或图像的数据量少很多，其与局部特征描述子结合组成关键点描述子。常用来构成原始数据的紧凑表示 ，具有代表性与描述性，从而加快后续识别、追踪等对数据的处理速度 。

1、2D领域

关键点提取就成为 2D 与 3D 信息处理中不可或缺的关键技术，目前的已经有很多开源的成果我们能够使用。比如二维图像处理有：

• SURF (Speeded-Up Robust Features)：一种用于检测和描述图像局部特征的算法，速度快且对尺度和旋转具有不变性。
• SIFT (Scale-Invariant Feature Transform)：检测并描述局部特征点的方法，对尺度和旋转具有不变性。
• ORB (Oriented FAST and Rotated BRIEF)：一种结合FAST角点检测和BRIEF描述子的特征提取方法，计算效率高，适用于实时应用。

2、3D领域