三维计算机视觉 — 中层次视觉 — Point Pair Feature

机器人视觉中有一项重要人物就是从场景中提取物体的位置,姿态。图像处理算法借助Deep Learning 的东风已经在图像的物体标记领域耍的飞起了。而从三维场景中提取物体还有待研究。目前已有的思路是先提取关键点,再使用各种局部特征描述子对关键点进行描述,最后与待检测物体进行比对,得到点-点的匹配。个别文章在之后还采取了ICP对匹配结果进行优化。

 对于缺乏表面纹理信息,或局部曲率变化很小,或点云本身就非常稀疏的物体,采用局部特征描述子很难有效的提取到匹配对。所以就有了所谓基于Point Pair 的特征,该特征使用了一些全局的信息来进行匹配,更神奇的是,最终的位姿估计结果并不会陷入局部最小值。详细可参见论文:Model globally, match locally: Efficient and robust 3D object recognition. 与 Going further with point pair features。SLAM的重要研究方向object based Slam 也声称使用了Point Pair Feature进行匹配。

为了更好的理解这种方法,而在pcl中也没有找到现成的算法,所以我自己用matlab实现了一遍。

算法的思想很简单:

0、ppf 特征为[d,<d,n1>,<d,n2>,<n1,n2>].

1、针对目标模型,在两两点之间构造点对特征F,如果有N个点,那么就有N*N个特征(说明此算法是O(N2)的),N*N个特征形成特征集F_Set

2、在场景中任意取1定点a,再任意取1动点b,构造ppf特征,并从F_set中寻找对应的,那么理想情况下,如果找到了完全匹配的特征,则可获得点云匹配的结果。

3、此算法是一种投票算法,每次匹配都能得到一个旋转角度,如果m个b都投票给了某一旋转角度则可认为匹配成功

这个算法最大的问题就是不停的采样会导致极大的计算量。不过算法本身确实可以匹配物体和场景。

ppf 特征的构建

function obj = ppf(point1,point2)

d = point1.Location - point2.Location;

d_unit = d/norm(d);

apha1 = acos(point1.Normal*d_unit');

apha2 = acos(point2.Normal*d_unit');

apha3 = acos(point1.Normal*point2.Normal');

obj = [norm(d),apha1,apha2,apha3];

end

ppf 特征集的构建

classdef modelFeatureSet < handle

%MODELFEATURESET 此处显示有关此类的摘要

% 此处显示详细说明

properties

FeatureTree

ModelPointCloud

Pairs

end

methods

function obj = modelFeatureSet(pt)

obj.ModelPointCloud = copy(pt.removeInvalidPoints());

end

function growTree(self)

self.ModelPointCloud = pcdownsample(self.ModelPointCloud,'GridAverage',.1);

pt_size = self.ModelPointCloud.Count;

idx = repmat(1:pt_size,pt_size,1);

tmp1 = reshape(idx,pt_size*pt_size,1);

tmp2 = reshape(idx',pt_size*pt_size,1);

pairs = [tmp1,tmp2];

rnd = randseed(1,1000,1,1,pt_size*pt_size);

pairs = pairs(rnd,:);

Features = zeros(size(pairs,1),4);

for i = 1:size(pairs,1)

Features(i,:) = ppf(self.ModelPointCloud.select(pairs(i,1)),...

self.ModelPointCloud.select(pairs(i,2)));

end

self.FeatureTree = createns(Features);

self.Pairs = pairs;

end

end

end

原文发布于微信公众号 - 点云PCL(dianyunPCL)

原文发表时间:2017-08-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券