hogh 投票简介
关键点提取和特征描述子
局部特征描述子与局部坐标系构建该方法主要针对的是点云特征局部描述子。在线下阶段，对模型进行采样，提取关键点，计算关键点的局部特征描述子（如SHOT描述子），并计算关键点处局部坐标系。局部坐标系的估计方法可使用主成分分析法。在线上阶段，首先对场景点云提取特征点，计算特征点的局部特征描述子，同时构建场景特征点的局部坐标系。借助k-d tree 搜索，找到模型描述子和场景描述子的特征点匹配（匹配原则可以基于两描述子的欧氏距离，设定阈值）。
目标中心点识别
- 霍夫投票取模型质心作为参考点，对于每一个特征点,计算模型世界坐标系下的坐标
- 将其转换到局部坐标系下
- 完成匹配后，将模型局部坐标系转换到场景局部坐标系，由于之前说到，局部坐标系旋转不变性和平移不变性，因此可以将场模型局部坐标系下中心点坐标转换到场景全局坐标系，以此构建参数空间的投票。遍历完所有的匹配点，完成投票。票数最高视为目标物体质心在场景中的位置。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！