VFH是非常强大的描述子之一,其主要用于识别和估计点集的聚类,这里的聚类是指3D点的集合,常常代表着一个特殊目标对象或场景的一部分,由分割或提取算法获得。
在本节我们的目标不是提供一个最终的识别工具,而是根据各个聚类的场景及其对应的6自由度位姿,从一组聚类中检索查询进而选取与用户输入的场景近似的候选集,这样就可以将识别问题抽象为一个近邻估计问题。给定一组训练数据,我们将使用一种有效的近邻搜索结构,例如kdtree,来查找返回一组相似对象,这些相似对象以与查找对象之间的距离来进行排序,很明显这样的程序要比直接返回是否存在用户检索的场景的程序要更有用处。
为了更好的解释整个程序,这个应用例子划分为两部分:
(1)训练阶段
给定一个只包含一个物体的场景,这样方便后面聚类的得到。
利用一个准确的位姿记录系统获取位姿。
- 相对采集设备旋转物体,并为获取的不同视角的点云计算VFH描述子。
- 保存不同视角的点云,
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)