用于三维点云表的扩展点特征直方图算法(.docVIP

用于三维点云表的扩展点特征直方图算法(.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
用于三维点云表的扩展点特征直方图算法(

PAGE 7 用于三维点云表示的扩展点特征直方图算法标题最好不用“基于……”“ 标题最好不用“基于……”“一种……”“……的研究”的形式; 如果第一作者为在读博士研究生,请给出通信作者(一般为指导教师)的简介(包括性别、职称、学位、电子邮箱等) ?收稿日期:2016-XX-XX 基金项目:国家自然科学基金资助项目 作者简介:庄祉昀(1986-),男,福建南安人,博士研究生,E-mail:j163.com; 张军,男,研究员,博士;孙广富,男,教授,博士,博士生导师 庄祉昀,张军,孙广富 (国防科学技术大学 电子科学与工程学院,湖南 长沙 410073) 摘要:局部特征提取在点云相关应用中具有十分重要的作用。本文因此提出了一种用于点云局部特征表示的扩展点特征直方图(EPFH)描述子。本文首先针对邻域点的两两点对提出了一系列不变量,然后在特征点上构建一个局部参考坐标框架以获得特征描述子对旋转和平移的不变性,接着将关键点局部邻域划分成多个子空间,并依据每个子空间中的点对不变量构建一个直方图,最后将所有直方图串联起来得到EPFH特征描述子。采用Bologna公共数据集对EPFH特征描述子的性能进行了测试,并与多个现有算法进行了对比。结果表明,EPFH特征描述子获得了良好的性能,其结果优于多个现有的特征描述子。 关键词:点云;局部特征;特征表示;点集;特征直方图 中图分类号:TN95 文献标志码:A   文章编号: Extended Point Feature Histograms for 3D Point Cloud Representation ZHUANG Zhiyun, ZHANG Jun, SUN Guangfu (College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China) Abstract: Local feature extraction plays an important role in point cloud related applications. This paper therefore, presents an extended point feature histograms (EPFH) for 3D point cloud representation. Each point pair is first represented by several invariant pairwise point attributes. Then, a local reference frame is defined for a keypoint and the neighboring points of the keypoint is transformed into the local reference frame. These pairwise point attributes between the neighboring points and the keypoint are accumulated into several sub-features in a set of subspaces. These sub-features are finally concatenated and compressed into an overall feature descriptor. The EPFH descriptor was tested on a popular publicly available Bologna dataset and compared to several existing methods. Experimental results show that the proposed EPFH method outperforms several existing methods under different levels of noise and point cloud resolutions. Keywords: point cloud; local feature; feature representation; point sets; feature histograms. 特征提取是计算机视觉和模式识别领域的一个核心基础问题,目前业界已提出多种点云局部特征描述算法,但如何实现对局部点云的高鉴别力描述依然是一个有待解决的问题。Johns

文档评论(0)

ldj215323 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档