Aligning Point Cloud Views using Persistent Feature Histograms¶
论文地址¶
摘要¶
Cite
在本文中，我们研究了持久点特征直方图在将点云数据视图对齐到一致的全局模型中的使用。给定一组有噪声的点云，我们的算法估计一组鲁棒的16D特征，这些特征局部描述了每个点的几何形状。 通过分析特征在不同尺度上的持久性，我们提取了一个最能表征给定点云的最优集。在初始对准算法中使用所产生的持久特征来估计近似配准输入数据集的刚性变换。 该算法通过将数据集转换到其收敛池，为迭代配准算法（如ICP（迭代最近点））提供了良好的起点。我们表明，我们的方法对姿态和采样密度是不变的，并且可以很好地处理来自室内和室外激光扫描的噪声数据
对姿态和采样密度是不变的
方法¶
PFH用来描述一个点周围的特征信息，主要用于点云配准，之前的类似工作也是提出一些特征，比如矩不变量[7]、球谐不变量[8]和积分体积描述符[9]。
见上图，对应点的PFH特征分布大概一致