网站分类目录查询,西部数码网站管理助手v3.1,杭州公司注册虚拟地址,两个wordpress用户Intrinsic shape signatures (ISS)
参考 ISS关键点: 基本原理是避免在沿主要方向表现出类似分布的点上检测关键点#xff0c;在这些点上无法建立可重复的规范参考框架#xff0c;因此后续描述阶段很难变得有效。在剩余点中#xff0c;显着性由最小特征值的大小决定,以便仅包…Intrinsic shape signatures (ISS)
参考 ISS关键点: 基本原理是避免在沿主要方向表现出类似分布的点上检测关键点在这些点上无法建立可重复的规范参考框架因此后续描述阶段很难变得有效。在剩余点中显着性由最小特征值的大小决定,以便仅包括沿每个主要方向变化较大的点。 在检测步骤之后如果一个点在给定邻域上具有最大显着性值则该点将被视为关键点。
import open3d as o3d
import numpy as np
import time
# Compute ISS Keypoints on ArmadilloMesh
armadillo o3d.data.ArmadilloMesh()
mesh o3d.io.read_triangle_mesh(armadillo.path)
mesh.compute_vertex_normals()pcd o3d.geometry.PointCloud()
pcd.points mesh.verticestic time.time()
keypoints o3d.geometry.keypoint.compute_iss_keypoints(pcd)
toc 1000 * (time.time() - tic)
print(ISS Computation took {:.0f} [ms].format(toc))mesh.compute_vertex_normals()
mesh.paint_uniform_color([0.5, 0.5, 0.5])
keypoints.paint_uniform_color([1.0, 0.75, 0.0])
o3d.visualization.draw_geometries([keypoints, mesh])Fast Point Feature Histogram (FPFH)
FPFH特征是一个33维的向量描述了一个点的局部几何属性。 33 维空间中的最近邻查询可以返回具有相似局部几何结构的点。
import open3d as o3dpcd o3d.io.read_point_cloud(bunny.pcd)
voxel_size 0.05 pcd_down pcd.voxel_down_sample(voxel_size)radius_normal voxel_size * 2
print(:: Estimate normal with search radius %.3f. % radius_normal)
pcd_down.estimate_normals(o3d.geometry.KDTreeSearchParamHybrid(radiusradius_normal, max_nn30))radius_feature voxel_size * 5
print(:: Compute FPFH feature with search radius %.3f. % radius_feature)
pcd_fpfh o3d.pipelines.registration.compute_fpfh_feature(pcd_down,o3d.geometry.KDTreeSearchParamHybrid(radiusradius_feature, max_nn100))
print(pcd_fpfh)
