點云數(shù)據(jù)處理方法

1、點云數(shù)據(jù)在形狀檢測和分類、立體視覺、運動恢復結(jié)構(gòu)、多視圖重建中都有 廣泛的使用。點云的存儲、壓縮、渲染等問題也是研究的熱點。隨著點云采集設(shè)備的普及、雙目立體視覺技術(shù)、VR和AR的發(fā)展，點云數(shù)據(jù) 處理技術(shù)正成為最有前景的技術(shù)之一。PCL是三維點云數(shù)據(jù)處理領(lǐng)域必備的工具和基本技能。點云濾波（數(shù)據(jù)預處理）點云濾波，顧名思義，就是濾掉噪聲。原始采集的點云數(shù)據(jù)往往包含大量散 列點、孤立點點云濾波的主要方法有：雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機 采樣一致濾波、VoxelGrid濾波等，這些算法都被封裝在了 PCL點云庫中。點云關(guān)鍵點我們都知道在二維圖像上，有Harris、SIFT、SURF、KA

2、ZE這樣的關(guān)鍵點提 取算法，這種特征點的思想可以推廣到三維空間。從技術(shù)上來說，關(guān)鍵點的數(shù)量 相比于原始點云或圖像的數(shù)據(jù)量減小很多，與局部特征描述子結(jié)合在一起，組成 關(guān)鍵點描述子常用來形成原始數(shù)據(jù)的表示，而且不失代表性和描述性，從而加快 了后續(xù)的識別，追蹤等對數(shù)據(jù)的處理了速度，故而，關(guān)鍵點技術(shù)成為在2D和3D 信息處理中非常關(guān)鍵的技術(shù)。常見的三維點云關(guān)鍵點提取算法有：ISS3D、Harris3D、NARF、SIFT3D，其 中NARF算法是用的比較多的。特征和特征描述如果要對一個三維點云進行描述，光有點云的位置是不夠的，常常需要計算 一些額外的參數(shù)，比如法線方向、曲率、紋理特征等等。如同圖像的特

3、征一樣， 我們需要使用類似的方式來描述三維點云的特征。常用的特征描述算法有：法線和曲率計算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image 等。PFH：點特征直方圖描述子，F(xiàn)PFH：跨蘇點特征直方圖描述子，F(xiàn)PFH是PFH 的簡化形式。點云配準點云配準的概念也可以類比于二維圖像中的配準，只不過二維圖像配準獲取 得到的是x，y，alpha，beta等仿射變化參數(shù)，三維點云配準可以模擬三維點云 的移動和旋轉(zhuǎn)，也就是會獲得一個旋轉(zhuǎn)矩陣和一個平移向量，通常表達為一個4 X3的矩陣，其中3X3是旋轉(zhuǎn)矩陣，1*3是平移向量。嚴格說來是6個參數(shù)， 因為旋轉(zhuǎn)矩陣也可以通過

4、羅格里德斯變換轉(zhuǎn)變成1*3的旋轉(zhuǎn)向量。常用的點云配準算法有兩種：正態(tài)分布變換和著名的ICP點云配準，此外還 有許多其它算法，列舉如下：ICP：穩(wěn)健 ICP、point to plane ICP、point to line ICP、MBICP、GICPNDT 3D、 Multil-Layer NDTFPCS、 KFPSC、 SAC-IALine Segment Matching、 ICL點云分割與分類點云的分割與分類也算是一個大話題了，這里因為多了一維就和二維圖像比 多了許多問題，點云分割又分為區(qū)域提取、線面提取、語義分割與聚類等。同樣 是分割問題，點云分割涉及面太廣，確實是三言兩語說不清楚的。

5、只有從字面意 思去理解了，遇到具體問題再具體歸類。一般說來，點云分割是目標識別的基礎(chǔ)。分割：區(qū)域聲場、Ransac 線面提取、NDT-RANSAC、K-Means、Normalize Cut、 3D Hough Transform （線面提?。⑦B通分析分類：基于點的分類，基于分割的分類，監(jiān)督分類與非監(jiān)督分類SLAM圖優(yōu)化SLAM又是大Topic，SLAM技術(shù)中，在圖像前端主要獲取點云數(shù)據(jù)，而在后端 優(yōu)化主要就是依靠圖優(yōu)化工具。而SLAM技術(shù)近年來的發(fā)展也已經(jīng)改變了這種技 術(shù)策略。在過去的經(jīng)典策略中，為了求解LandMark和Location，將它轉(zhuǎn)化為一 個稀疏圖的優(yōu)化，常常使用g2o工具來

6、進行圖優(yōu)化。下面是一些常用的工具和方 法。g2o、 LUM、 ELCH、 Toro、 SPASLAM 方法：ICP、MBICP、IDC、likehood Field、Cross Correlation. NDT目標識別檢索這是點云數(shù)據(jù)處理中一個偏應(yīng)用層面的問題，簡單說來就是Hausdorff距離 常被用來進行深度圖的目標識別和檢索，現(xiàn)在很多三維人臉識別都是用這種技術(shù) 來做的。變化檢測當無序點云在連續(xù)變化中，八叉樹算法常常被用于檢測變化，這種算法需要 和關(guān)鍵點提取技術(shù)結(jié)合起來，八叉樹算法也算是經(jīng)典中的經(jīng)典了。三維重建我們獲取到的點云數(shù)據(jù)都是一個個孤立的點，如何從一個個孤立的點得到整 個曲面呢，這

7、就是三維重建的topic。在玩kinectFusion時候，如果我們不懂，會發(fā)現(xiàn)曲面漸漸變平緩，這就是 重建算法不斷迭代的效果。我們采集到的點云是充滿噪聲和孤立點的，三維重建 算法為了重構(gòu)出曲面，常常要應(yīng)對這種噪聲，獲得看上去很舒服的曲面。常用的三維重建算法和技術(shù)有：泊松重建、Delauary triangulatoins表面重建，人體重建，建筑物重建，輸入重建實時重建：重建紙杯或者龍作物4D生長臺式，人體姿勢識別，表情識別點云數(shù)據(jù)管理點云壓縮，點云索引（KDtree、Octree），點云LOD （金字塔），海量點云 的渲染。PCL庫簡介：點云數(shù)據(jù)處理中，不僅涉及前段數(shù)據(jù)的輸入，中間數(shù)據(jù)和處理， 還涉及到后端點云的渲染顯示，如果這些函數(shù)都要我們親自來實現(xiàn)，那么開發(fā)效 率必然受到極大影響