研究點(diǎn)云數(shù)據(jù)時(shí)，感覺(jué)無(wú)從下手？

看看這十大點(diǎn)云數(shù)據(jù)處理技術(shù)，換個(gè)思路學(xué)點(diǎn)云。

點(diǎn)云 · 定義

簡(jiǎn)言之，在獲取物體表面每個(gè)采樣點(diǎn)的空間坐標(biāo)后，得到的是一個(gè)點(diǎn)的集合，稱(chēng)之為“點(diǎn)云”。包括三維坐標(biāo)（XYZ）、激光反射強(qiáng)度（Intensity）和顏色信息（RGB）。

點(diǎn)云·數(shù)據(jù)處理技術(shù)

目前，點(diǎn)云處理涉及的技術(shù)主要為以下十個(gè)：

• 點(diǎn)云濾波（數(shù)據(jù)預(yù)處理）
• 點(diǎn)云關(guān)鍵點(diǎn)
• 特征和特征描述
• 點(diǎn)云配準(zhǔn)
• 點(diǎn)云分割與分類(lèi)
• SLAM圖優(yōu)化
• 目標(biāo)識(shí)別檢索
• 變化檢測(cè)
• 三維重建
• 點(diǎn)云數(shù)據(jù)管理

1、點(diǎn)云濾波（數(shù)據(jù)預(yù)處理）

點(diǎn)云濾波，顧名思義，即濾掉噪聲。原始采集的點(diǎn)云數(shù)據(jù)往往包含大量散列點(diǎn)、孤立點(diǎn)，下圖為濾波前后的點(diǎn)云效果對(duì)比。

點(diǎn)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(jī)采樣一致濾波、VoxelGrid濾波等，這些算法都被封裝在了PCL點(diǎn)云庫(kù)中。

2、點(diǎn)云關(guān)鍵點(diǎn)

在二維圖像上，有Harris、SIFT、SURF、KAZE這樣的關(guān)鍵點(diǎn)提取算法，這種特征點(diǎn)的思想可以推廣到三維空間。從技術(shù)上來(lái)說(shuō)，關(guān)鍵點(diǎn)的數(shù)量相比于原始點(diǎn)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(diǎn)描述子常用來(lái)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(shí)別，追蹤等對(duì)數(shù)據(jù)的處理速度，故而，關(guān)鍵點(diǎn)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(jiàn)的三維點(diǎn)云關(guān)鍵點(diǎn)提取算法有一下幾種：ISS3D、Harris3D、NARF、SIFT3D，

這些算法在PCL庫(kù)中都有實(shí)現(xiàn)，其中NARF算法是比較常見(jiàn)的。

3、特征和特征描述

如果要對(duì)一個(gè)三維點(diǎn)云進(jìn)行描述，光有點(diǎn)云的位置是不夠的，常常需要計(jì)算一些額外的參數(shù)，比如法線方向、曲率、文理特征等等。如同圖像的特征一樣，我們需要使用類(lèi)似的方式來(lái)描述三維點(diǎn)云的特征。

常用的特征描述算法有：法線和曲率計(jì)算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image等。

PFH：點(diǎn)特征直方圖描述子；

FPFH：跨蘇點(diǎn)特征直方圖描述子，F(xiàn)PFH是PFH的簡(jiǎn)化形式。

4、點(diǎn)云配準(zhǔn)

點(diǎn)云配準(zhǔn)的概念類(lèi)比于二維圖像中的配準(zhǔn)，只不過(guò)二維圖像配準(zhǔn)獲取得到的是x，y，alpha，beta等放射變化參數(shù)，二三維點(diǎn)云配準(zhǔn)可以模擬三維點(diǎn)云的移動(dòng)和對(duì)齊，也就是會(huì)獲得一個(gè)旋轉(zhuǎn)矩陣和一個(gè)平移向量，通常表達(dá)為一個(gè)4×3的矩陣，其中3×3是旋轉(zhuǎn)矩陣，1*3是平移向量。嚴(yán)格說(shuō)來(lái)是6個(gè)參數(shù)，因?yàn)樾D(zhuǎn)矩陣也可以通過(guò)羅格里德斯變換轉(zhuǎn)變成1*3的旋轉(zhuǎn)向量。

常用的點(diǎn)云配準(zhǔn)算法有兩種：正太分布變換和著名的ICP點(diǎn)云配準(zhǔn)，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、GICP

NDT 3D、Multil-Layer NDT

FPCS、KFPSC、SAC-IA

Line Segment Matching、ICL

5、點(diǎn)云分割與分類(lèi)

點(diǎn)云分割又分為區(qū)域提取、線面提取、語(yǔ)義分割與聚類(lèi)等。一般說(shuō)來(lái)，點(diǎn)云分割是目標(biāo)識(shí)別的基礎(chǔ)。

分割：區(qū)域聲場(chǎng)、Ransac線面提取、NDT-RANSAC、K-Means、Normalize Cut、3D Hough Transform(線面提取)、連通分析

分類(lèi)：基于點(diǎn)的分類(lèi)，基于分割的分類(lèi)，監(jiān)督分類(lèi)與非監(jiān)督分類(lèi)

6、SLAM圖優(yōu)化

SLAM技術(shù)中，在圖像前端主要獲取點(diǎn)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(lái)的發(fā)展也已經(jīng)改變了這種技術(shù)策略。在過(guò)去的經(jīng)典策略中，為了求解LandMark和Location，將它轉(zhuǎn)化為一個(gè)稀疏圖的優(yōu)化，常常使用g2o工具來(lái)進(jìn)行圖優(yōu)化。

下面是一些常用的工具和方法：

g2o、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、 Cross Correlation、NDT

7、目標(biāo)識(shí)別檢索

這是點(diǎn)云數(shù)據(jù)處理中一個(gè)偏應(yīng)用層面的問(wèn)題，簡(jiǎn)單說(shuō)來(lái)就是Hausdorff距離常被用來(lái)進(jìn)行深度圖的目標(biāo)識(shí)別和檢索，現(xiàn)在很多三維人臉識(shí)別都是采用這種技術(shù)。

8、變化檢測(cè)

當(dāng)無(wú)序點(diǎn)云在連續(xù)變化中，八叉樹(shù)算法常常被用于檢測(cè)變化，這種算法需要和關(guān)鍵點(diǎn)提取技術(shù)結(jié)合起來(lái)，八叉樹(shù)算法也算是經(jīng)典中的經(jīng)典了。

9、三維重建

我們獲取到的點(diǎn)云數(shù)據(jù)都是一個(gè)個(gè)孤立的點(diǎn)，如何從一個(gè)個(gè)孤立的點(diǎn)得到整個(gè)曲面呢，這就是三維重建。

在玩kinectFusion時(shí)候，如果我們不懂，會(huì)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(diǎn)云是充滿噪聲和孤立點(diǎn)的，三維重建算法為了重構(gòu)出曲面，常常要應(yīng)對(duì)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(shí)時(shí)重建：重建紙杯或者龍作物4D生長(zhǎng)臺(tái)式，人體姿勢(shì)識(shí)別，表情識(shí)別

10、點(diǎn)云數(shù)據(jù)管理

主要包含以下幾方面：點(diǎn)云壓縮，點(diǎn)云索引（KDtree、Octree），點(diǎn)云LOD（金字塔），海量點(diǎn)云的渲染。

實(shí)景建模解決方案

|實(shí)景建模軟件推薦——點(diǎn)擊申請(qǐng)?jiān)囉?/span>

實(shí)景建模軟件ContextCapture

Bentley Pointools點(diǎn)云數(shù)據(jù)處理軟件

ContextCapture Center實(shí)景建模軟件