-
@ThothChildren
- 2018.5.23
- PV 1257
点群の形状的局所特徴量を出したい
ー 概要 ー
Kinectなどの測距センサから得られる点群データから形状的な特徴量を算出したいときの技術についてまとめています.
この章を学ぶ前に必要な知識
条件
- ３次元点群データが入力
効果
- 形状に関する３次元特徴量を出力
ポイント
- オクリュージョン(影になって見えない部分)がある点群でも使える
解 説
この記事ではKeypointsの検出で使われるものではなく、
点群の一部だけを使用した局所的な特徴量として使われるものを掲載します.
主に紹介するのは、PFH, PPF, SHOT特徴量の有名どころになります. | 点群の形状的局所特徴量を出したい |
法線データも立派な局所特徴量の一つである.右に法線推定の手法をまとめたページをリンクする
これらを複数統合してさらに抽象度を上げた特徴量を作る場合もある. | 点群データから法線算出をしたい |
1.PFH特徴量,FPFH特徴量 | |
PFHは注目した点と特定の距離内の各点の法線情報をもとにどのような法線の関係になっているかの分布をヒストグラムで表したものである.
FPFHはそれを高速化したもの. | PFHとは
FPFHとは |
右のPCLFeaturesの資料に詳しく載っているので参考まで | 外部リンク PCL Featuresの資料 |
2.SHOT特徴量 | |
SHOT特徴量はある注目した点の周りに決められた半径の球があるとして、それをまずxy平面において2分割して、球の半径方向にも2分割、更にz軸の周りに8分割した領域に分ける.
各8分割した領域の中で注目した点の法線とそれ以外の法線っとの内積を計算してそれに対応したヒストグラムを作成する.
かなり細かい特徴量になるため、精度はそこそこ高い | SHOT特徴量について |
 | 本家サイトより引用
SHOT特徴量の分割イメージ
z軸周りにもっと細かく分割を行っている |
3.PPF特徴量 | |
PPF特徴量は、ある点群における二点の点群のなす角度と間の距離を特徴量を集めて4次元の特徴量としたもの.
PPFはこの情報のままではなく、テーブルに保持してグローバルな特徴量を形成、投票によって物体の位置姿勢を検出するようにします. | PPF特徴量とは |
 | PPFの画像.
特徴量は(F1 (d), F2, F3 , F4)となります. |
この章を学んで新たに学べる
Comments
