【技术实现步骤摘要】
一种三维点云数据兴趣点提取方法
本专利技术属于图像分析与处理
，尤其涉及一种三维点云数据兴趣点提取方法。
技术介绍
与2D视觉相比，3D视觉具有信息更为丰富全面、光照变化鲁棒性强、目标空间信息更为直观准确等优势。随着3D数据获取传感器技术的迅猛发展，以及机器学习、机器视觉等领域算法技术的进一步成熟，基于3D视觉的物体识别、场景理解等方面研究热度与年俱增，其成果在自动化作业、工业检测、机器人导航、虚拟现实、人机交互、遥感测量等领域逐渐得以普及应用。兴趣点(InterestPoint)也称关键点(KeyPoint)，兴趣点提取是3D视觉核心基础技术之一。研究表明人类对于物体表面上的重大局部变化感兴趣，因而评价算法性能的一个重要方法就是在同一个模型上将其与人工标识出的兴趣点位置相比较，若与人工标识出的兴趣点越接近，则表明算法越智能。人类对于兴趣点的判断方式为：将被不同人所标记的且其距离小于设定半径的兴趣点合并为一组，再摒弃兴趣点个数小于设定阈值的组(即很少人感兴趣的点)形成兴趣点组，选择各兴趣点组中的中心点作...
【技术保护点】
1.一种三维点云数据兴趣点提取方法，其特征在于包括如下步骤：/n步骤1)计算单点的突出度特征：设当前点为P
【技术特征摘要】
1.一种三维点云数据兴趣点提取方法，其特征在于包括如下步骤：
步骤1)计算单点的突出度特征：设当前点为Pi，获得Pi的k个近邻点，计算由k个近邻点指向Pi方向的归一化的向量集合V与平均合向量vi，并搜索V中与vi最大的夹角向量，设定夹角向量的夹角为θ，则Pi的突出度特征Sdpi值为||vi||2×e|cos(θ)|，其中||vi||2为向量vi的二范数，ci为点Pi的局部锥度特征；
步骤2)提取候选兴趣点：设置经验阈值，设定点云物体所有点的突出度特征大于经验阈值的点为初始兴趣点，对于每一个初始兴趣点Pi，选取Pi及该Pi对应的k个近邻点中具有最大突出度特征的点为代表Pi的候选兴趣点,每次候选兴趣点提取操作后给予该兴趣点1次投票；最终按得票数量进行最终兴趣点筛选，完成兴趣点的选取。
2.根据权利要求1所述的三维点云数据兴趣点提取方法，其特征在于所述步骤1)中设定对于中每一点Pj，定义由点Pj指向点Pi的向量为vji，vji归一化为单位向量uji，获得向量集根据式(1)计算平均合向量vi，
3.根据权利要求1所述的三维点云数据兴趣点提取方法，其特征在于所述步骤1)中，归一化vi为单位向量ui，分别计算V中各向量与ui的内积，获得内积集合根据式(2)选取P中的最小值ci作为点Pi的局部锥度特征...
【专利技术属性】
技术研发人员：吕常魁，郭建华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。