Подробное описание

Обзор

Библиотека pcl_features содержит структуры данных и механизмы для оценки 3D-признаков по данным облака точек. 3D-признаки — это представления в определённой 3D-точке или положении в пространстве, описывающие геометрические закономерности на основе информации, доступной в окрестности этой точки. Область данных, выбранная вокруг точки запроса, обычно называется k-окрестностью.

На следующем рисунке показан простой пример выбранной точки запроса и её k-окрестности.

Примерами двух наиболее широко используемых геометрических признаков точек являются оценённые кривизна и нормаль базовой поверхности в точке запроса p. Оба считаются локальными признаками, поскольку характеризуют точку с использованием информации, предоставляемой её k ближайшими соседними точками. Чтобы эффективно находить этих соседей, входной набор данных обычно разбивают на более мелкие фрагменты с помощью методов пространственной декомпозиции, таких как октодеревья или kD-деревья (см. рисунок ниже: слева — kD-дерево, справа — октодерево), а затем выполняют поиск ближайших точек в этом пространстве. В зависимости от приложения можно выбрать поиск либо фиксированного числа k точек в окрестности p, либо всех точек, находящихся внутри сферы радиуса r с центром в p. Несомненно, один из самых простых методов оценки нормалей поверхности и изменений её кривизны в точке p — выполнить разложение на собственные значения (то есть вычислить собственные векторы и собственные значения) поверхностного участка k-окрестности. Таким образом, собственный вектор, соответствующий наименьшему собственному значению, приближённо задаёт нормаль поверхности n в точке p, а изменение кривизны поверхности оценивается по собственным значениям следующим образом:

$\frac{\lambda_0}{\lambda_0 + \lambda_1 + \lambda_2}$ , где $\lambda_0 < \lambda_1 < \lambda_2$ .

Дополнительную информацию можно найти на сайте http://www.pointclouds.org.

Требования

Классы
класс	pcl::ShapeContext3DEstimation< PointInT, PointNT, PointOutT >
	ShapeContext3DEstimation реализует дескриптор 3D-контекста формы, описанный в: Подробнее...
класс	pcl::BOARDLocalReferenceFrameEstimation< PointInT, PointNT, PointOutT >
	BOARDLocalReferenceFrameEstimation реализует алгоритм BOrder Aware Repeatable Directions для оценки локальной системы координат, описанный здесь: Подробнее...
класс	pcl::BoundaryEstimation< PointInT, PointNT, PointOutT >
	BoundaryEstimation определяет, лежит ли набор точек на границах поверхности, используя угловой критерий. Подробнее...
класс	pcl::BRISK2DEstimation< PointInT, PointOutT, KeypointT, IntensityT >
	Реализация дескриптора BRISK на основе исходного кода и статьи автора. Подробнее...
класс	pcl::CRHEstimation< PointInT, PointNT, PointOutT >
	CRHEstimation вычисляет дескриптор гистограммы поворота камеры (CRH) для набора данных облака точек, содержащего данные XYZ и нормали, как описано в: Подробнее...
класс	pcl::CVFHEstimation< PointInT, PointNT, PointOutT >
	CVFHEstimation вычисляет дескриптор кластеризованной гистограммы признаков точки обзора (CVFH) для набора данных облака точек, содержащего данные XYZ и нормали, как описано в: Подробнее...
класс	pcl::DifferenceOfNormalsEstimation< PointInT, PointNT, PointOutT >
	Реализация масштабного фильтра разности нормалей (DoN) для данных облака точек. Подробнее...
класс	pcl::ESFEstimation< PointInT, PointOutT >
	ESFEstimation вычисляет дескрипторы ансамбля функций формы для набора данных облака точек, содержащего точки. Подробнее...
класс	pcl::Feature< PointInT, PointOutT >
	Feature — базовый класс признаков. Подробнее...
класс	pcl::FeatureWithLocalReferenceFrames< PointInT, PointRFT >
	FeatureWithLocalReferenceFrames предоставляет открытый интерфейс для классов извлечения дескрипторов, которым необходима локальная система координат для каждой входной ключевой точки. Подробнее...
класс	pcl::FLARELocalReferenceFrameEstimation< PointInT, PointNT, PointOutT, SignedDistanceT >
	FLARELocalReferenceFrameEstimation реализует алгоритм Fast LocAl Reference framE для оценки локальной системы координат, описанный здесь: Подробнее...
класс	pcl::FPFHEstimation< PointInT, PointNT, PointOutT >
	FPFHEstimation вычисляет дескриптор быстрой гистограммы признаков точки (FPFH) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::FPFHEstimationOMP< PointInT, PointNT, PointOutT >
	FPFHEstimationOMP вычисляет дескриптор быстрой гистограммы признаков точки (FPFH) для набора данных облака точек, содержащего точки и нормали, параллельно с использованием стандарта OpenMP. Подробнее...
класс	pcl::GASDEstimation< PointInT, PointOutT >
	GASDEstimation вычисляет дескриптор глобально выровненного пространственного распределения (GASD) для набора данных облака точек с данными XYZ. Подробнее...
класс	pcl::GASDColorEstimation< PointInT, PointOutT >
	GASDColorEstimation вычисляет дескриптор глобально выровненного пространственного распределения (GASD) для набора данных облака точек с данными XYZ и RGB. Подробнее...
класс	pcl::GFPFHEstimation< PointInT, PointLT, PointOutT >
	GFPFHEstimation вычисляет дескриптор глобальной быстрой гистограммы признаков точки (GFPFH) для набора данных облака точек, содержащего точки и метки. Подробнее...
класс	pcl::GRSDEstimation< PointInT, PointNT, PointOutT >
	GRSDEstimation вычисляет глобальный дескриптор поверхности на основе радиуса (GRSD) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::IntensityGradientEstimation< PointInT, PointNT, PointOutT, IntensitySelectorT >
	IntensityGradientEstimation вычисляет градиент интенсивности для облака точек, содержащего значения координат и интенсивности. Подробнее...
класс	pcl::IntensitySpinEstimation< PointInT, PointOutT >
	IntensitySpinEstimation вычисляет дескрипторы спин-изображений в области интенсивности для набора данных облака точек, содержащего точки и значения интенсивности. Подробнее...
класс	pcl::MomentInvariantsEstimation< PointInT, PointOutT >
	MomentInvariantsEstimation вычисляет три инварианта моментов (j1, j2, j3) для каждой 3D-точки. Подробнее...
класс	pcl::Narf
	NARF (радиальные признаки, выровненные по нормалям) — тип дескриптора признаков точек для 3D-данных. Подробнее...
класс	pcl::NarfDescriptor
	Вычисляет дескрипторы признаков NARF для точек изображения дальности. См. B. Подробнее...
класс	pcl::NormalEstimation< PointInT, PointOutT >
	NormalEstimation вычисляет локальные свойства поверхности (нормали и кривизну поверхности) в каждой 3D-точке. Подробнее...
класс	pcl::NormalEstimationOMP< PointInT, PointOutT >
	NormalEstimationOMP параллельно вычисляет локальные свойства поверхности в каждой 3D-точке, например нормали и кривизну поверхности, с использованием стандарта OpenMP. Подробнее...
класс	pcl::OURCVFHEstimation< PointInT, PointNT, PointOutT >
	OURCVFHEstimation вычисляет дескриптор ориентированной, уникальной и повторяемой кластеризованной гистограммы признаков точки обзора (CVFH) для набора данных облака точек с данными XYZ и нормалями, как описано в: Подробнее...
класс	pcl::PFHEstimation< PointInT, PointNT, PointOutT >
	PFHEstimation вычисляет дескриптор гистограммы признаков точки (PFH) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::PFHRGBEstimation< PointInT, PointNT, PointOutT >
	Похож на дескриптор гистограммы признаков точки, но также учитывает цвет. Подробнее...
класс	pcl::PrincipalCurvaturesEstimation< PointInT, PointNT, PointOutT >
	PrincipalCurvaturesEstimation вычисляет направления (собственные векторы) и величины (собственные значения) главных кривизн поверхности для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::RangeImageBorderExtractor
	Извлекает границы препятствий из изображений дальности — области перехода от переднего плана к фону. Подробнее...
класс	pcl::RIFTEstimation< PointInT, GradientT, PointOutT >
	RIFTEstimation вычисляет дескрипторы Rotation Invariant Feature Transform для набора данных облака точек, содержащего точки и значения интенсивности. Подробнее...
класс	pcl::RSDEstimation< PointInT, PointNT, PointOutT >
	RSDEstimation вычисляет дескриптор поверхности на основе радиуса (минимальный и максимальный радиус кривых локальной поверхности) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::SHOTEstimationBase< PointInT, PointNT, PointOutT, PointRFT >
	SHOTEstimation вычисляет дескриптор Signature of Histograms of OrienTations (SHOT) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::SHOTEstimation< PointInT, PointNT, PointOutT, PointRFT >
	SHOTEstimation вычисляет дескриптор Signature of Histograms of OrienTations (SHOT) для набора данных облака точек, содержащего точки и нормали. Подробнее...
класс	pcl::SHOTColorEstimation< PointInT, PointNT, PointOutT, PointRFT >
	SHOTColorEstimation вычисляет дескриптор Signature of Histograms of OrienTations (SHOT) для набора данных облака точек, содержащего точки, нормали и цвета. Подробнее...
класс	pcl::SHOTLocalReferenceFrameEstimation< PointInT, PointOutT >
	SHOTLocalReferenceFrameEstimation вычисляет локальную систему координат, используемую при вычислении дескриптора (SHOT). Подробнее...
класс	pcl::SHOTLocalReferenceFrameEstimationOMP< PointInT, PointOutT >
	SHOTLocalReferenceFrameEstimation вычисляет локальную систему координат, используемую при вычислении дескриптора (SHOT). Подробнее...
класс	pcl::SHOTEstimationOMP< PointInT, PointNT, PointOutT, PointRFT >
	SHOTEstimationOMP параллельно вычисляет дескриптор Signature of Histograms of OrienTations (SHOT) для набора данных облака точек, содержащего точки и нормали, с использованием стандарта OpenMP. Подробнее...
класс	pcl::SHOTColorEstimationOMP< PointInT, PointNT, PointOutT, PointRFT >
	SHOTColorEstimationOMP параллельно вычисляет дескриптор Signature of Histograms of OrienTations (SHOT) для набора данных облака точек, содержащего точки, нормали и цвета, с использованием стандарта OpenMP. Подробнее...
класс	pcl::SpinImageEstimation< PointInT, PointNT, PointOutT >
	Вычисляет дескрипторы спин-изображений для заданных входных точек. Подробнее...
класс	pcl::UniqueShapeContext< PointInT, PointOutT, PointRFT >
	UniqueShapeContext реализует описанный здесь дескриптор Unique Shape Context: Подробнее...
класс	pcl::VFHEstimation< PointInT, PointNT, PointOutT >
	VFHEstimation вычисляет дескриптор гистограммы признаков точки обзора (VFH) для набора данных облака точек, содержащего точки и нормали. Подробнее...

Функции
void	pcl::solvePlaneParameters (const Eigen::Matrix3f &covariance_matrix, const Eigen::Vector4f &point, Eigen::Vector4f &plane_parameters, float &curvature)
	Вычисляет собственные значения и собственные векторы заданной ковариационной матрицы 3x3 и оценивает нормаль плоскости методом наименьших квадратов и кривизну поверхности. Подробнее...
void	pcl::solvePlaneParameters (const Eigen::Matrix3f &covariance_matrix, float &nx, float &ny, float &nz, float &curvature)
	Вычисляет собственные значения и собственные векторы заданной ковариационной матрицы 3x3 и оценивает нормаль плоскости методом наименьших квадратов и кривизну поверхности. Подробнее...
template<typename PointT >
bool	pcl::computePointNormal (const pcl::PointCloud< PointT > &cloud, Eigen::Vector4f &plane_parameters, float &curvature)
	Вычисляет аппроксимацию плоскости методом наименьших квадратов для заданного набора точек и возвращает оценённые параметры плоскости вместе с кривизной поверхности. Подробнее...
template<typename PointT >
bool	pcl::computePointNormal (const pcl::PointCloud< PointT > &cloud, const pcl::Indices &indices, Eigen::Vector4f &plane_parameters, float &curvature)
	Вычисляет аппроксимацию плоскости методом наименьших квадратов для заданного набора точек, используя их индексы, и возвращает оценённые параметры плоскости вместе с кривизной поверхности. Подробнее...
template<typename PointT , typename Scalar >
void	pcl::flipNormalTowardsViewpoint (const PointT &point, float vp_x, float vp_y, float vp_z, Eigen::Matrix< Scalar, 4, 1 > &normal)
	Разворачивает (на месте) оценённую нормаль точки в сторону заданной точки наблюдения. Подробнее...
template<typename PointT , typename Scalar >
void	pcl::flipNormalTowardsViewpoint (const PointT &point, float vp_x, float vp_y, float vp_z, Eigen::Matrix< Scalar, 3, 1 > &normal)
	Разворачивает (на месте) оценённую нормаль точки в сторону заданной точки наблюдения. Подробнее...
template<typename PointT >
void	pcl::flipNormalTowardsViewpoint (const PointT &point, float vp_x, float vp_y, float vp_z, float &nx, float &ny, float &nz)
	Разворачивает (на месте) оценённую нормаль точки в сторону заданной точки наблюдения. Подробнее...
template<typename PointNT >
bool	pcl::flipNormalTowardsNormalsMean (pcl::PointCloud< PointNT > const &normal_cloud, pcl::Indices const &normal_indices, Eigen::Vector3f &normal)
	Разворачивает (на месте) нормаль так, чтобы её знак совпадал со знаком среднего значения нормалей, заданных в normal_indices. Подробнее...
PCL_EXPORTS bool	pcl::computePairFeatures (const Eigen::Vector4f &p1, const Eigen::Vector4f &n1, const Eigen::Vector4f &p2, const Eigen::Vector4f &n2, float &f1, float &f2, float &f3, float &f4)
	Вычисляет представление в виде кортежа из четырёх элементов, содержащего три угла и расстояние между двумя точками, заданными декартовыми координатами и нормалями. Подробнее...
template<int N>
void	pcl::getFeaturePointCloud (const std::vector< Eigen::MatrixXf, Eigen::aligned_allocator< Eigen::MatrixXf > > &histograms2D, PointCloud< Histogram< N > > &histogramsPC)
	Преобразует список двумерных матриц в облако точек, содержащее значения в векторе (Histogram<N>). Подробнее...
template<typename PointInT , typename PointNT , typename PointOutT >
Eigen::MatrixXf	pcl::computeRSD (const pcl::PointCloud< PointInT > &surface, const pcl::PointCloud< PointNT > &normals, const pcl::Indices &indices, double max_dist, int nr_subdiv, double plane_radius, PointOutT &radii, bool compute_histogram=false)
	Оценивает дескриптор поверхности на основе радиусов (RSD) для заданной точки, используя её пространственное окружение, состоящее из трёхмерных точек с нормалями. Подробнее...
template<typename PointNT , typename PointOutT >
Eigen::MatrixXf	pcl::computeRSD (const pcl::PointCloud< PointNT > &normals, const pcl::Indices &indices, const std::vector< float > &sqr_dists, double max_dist, int nr_subdiv, double plane_radius, PointOutT &radii, bool compute_histogram=false)
	Оценивает дескриптор поверхности на основе радиусов (RSD) для заданной точки, используя её пространственное окружение, состоящее из трёхмерных точек с нормалями. Подробнее...

Описание функций

computePairFeatures()

PCL_EXPORTS bool pcl::computePairFeatures	(	const Eigen::Vector4f &	p1,
		const Eigen::Vector4f &	n1,
		const Eigen::Vector4f &	p2,
		const Eigen::Vector4f &	n2,
		float &	f1,
		float &	f2,
		float &	f3,
		float &	f4
	)

#include <pcl/features/pfh_tools.h>

Вычисляет представление в виде кортежа из четырёх элементов, содержащего три угла и расстояние между двумя точками, заданными декартовыми координатами и нормалями.

Примечание: Пояснения к признакам см. в указанной выше литературе (порядок признаков может отличаться).

Параметры

[in]	p1	первая точка XYZ
[in]	n1	первая нормаль поверхности
[in]	p2	вторая точка XYZ
[in]	n2	вторая нормаль поверхности
[out]	f1	первый угловой признак (угол между проекцией nq_idx и u)
[out]	f2	второй угловой признак (угол между nq_idx и v)
[out]	f3	третий угловой признак (угол между np_idx и \|p_idx - q_idx\|)
[out]	f4	признак расстояния (p_idx - q_idx)

Примечание: Для повышения эффективности предполагается, что переданные методу данные точек являются конечными.

Используется в pcl::FPFHEstimation< PointInT, PointNT, PointOutT >::computePairFeatures(), pcl::PFHEstimation< PointInT, PointNT, PointOutT >::computePairFeatures(), pcl::PFHEstimation< PointInT, PointNT, PointOutT >::computePointPFHSignature(), pcl::VFHEstimation< PointInT, PointNT, PointOutT >::computePointSPFHSignature() и pcl::FPFHEstimation< PointInT, PointNT, PointOutT >::computePointSPFHSignature().

computePointNormal() [1/2]

template<typename PointT >

bool pcl::computePointNormal	(	const pcl::PointCloud< PointT > &	cloud,
		const pcl::Indices &	indices,
		Eigen::Vector4f &	plane_parameters,
		float &	curvature
	)

inline

#include <pcl/features/normal_3d.h>

Вычисляет аппроксимацию плоскости методом наименьших квадратов для заданного набора точек, используя их индексы, и возвращает оценённые параметры плоскости вместе с кривизной поверхности.

Параметры

cloud	входное облако точек
indices	индексы точек облака, которые необходимо использовать
plane_parameters	параметры плоскости: a, b, c, d (ax + by + cz + d = 0)
curvature	оценённая кривизна поверхности как мера $\lambda_0 / (\lambda_0 + \lambda_1 + \lambda_2)$

Определение в строке 94 файла normal_3d.h.

Ссылки на pcl::computeMeanAndCovarianceMatrix() и pcl::solvePlaneParameters().

computePointNormal() [2/2]

template<typename PointT >

bool pcl::computePointNormal	(	const pcl::PointCloud< PointT > &	cloud,
		Eigen::Vector4f &	plane_parameters,
		float &	curvature
	)

inline

#include <pcl/features/normal_3d.h>

Вычисляет аппроксимацию плоскости методом наименьших квадратов для заданного набора точек и возвращает оценённые параметры плоскости вместе с кривизной поверхности.

Параметры

cloud	входное облако точек
plane_parameters	параметры плоскости: a, b, c, d (ax + by + cz + d = 0)
curvature	оценённая кривизна поверхности как мера $\lambda_0 / (\lambda_0 + \lambda_1 + \lambda_2)$

Определение в строке 61 файла normal_3d.h.

Ссылки на pcl::computeMeanAndCovarianceMatrix(), pcl::PointCloud< PointT >::size() и pcl::solvePlaneParameters().

Используется в pcl::NormalEstimation< PointInT, PointOutT >::computeFeature(), pcl::IntegralImageNormalEstimation< PointInT, PointOutT >::computeFeatureFull() и pcl::IntegralImageNormalEstimation< PointInT, PointOutT >::computeFeaturePart().

computeRSD() [1/2]

template<typename PointInT , typename PointNT , typename PointOutT >

Eigen::MatrixXf pcl::computeRSD	(	const pcl::PointCloud< PointInT > &	surface,
		const pcl::PointCloud< PointNT > &	normals,
		const pcl::Indices &	indices,
		double	max_dist,
		int	nr_subdiv,
		double	plane_radius,
		PointOutT &	radii,
		bool	compute_histogram = `false`
	)

#include <pcl/features/rsd.h>

Оценивает дескриптор поверхности на основе радиусов (RSD) для заданной точки, используя её пространственное окружение, состоящее из трёхмерных точек с нормалями.

Параметры

[in]	surface	набор данных, содержащий точки XYZ
[in]	normals	набор данных, содержащий нормали поверхности в каждой точке набора данных
[in]	indices	индексы точек-соседей в наборе данных (первая точка используется как опорная)
[in]	max_dist	верхняя граница рассматриваемого интервала расстояний
[in]	nr_subdiv	число подразделений рассматриваемого интервала расстояний
[in]	plane_radius	максимальный радиус, при превышении которого поверхность можно считать плоской
[in]	radii	выходная точка типа, который должен содержать поля r_min и r_max
[in]	compute_histogram	если значение не равно false, предоставляется полная гистограмма окрестности, которую можно использовать как сигнатуру точки

Примечание: : ориентация не учитывается!; : точки за пределами заданного интервала не учитываются!

Определение в строке 49 файла rsd.hpp.

Ссылки на M_PI.

Используется в pcl::RSDEstimation< PointInT, PointNT, PointOutT >::computeFeature().

computeRSD() [2/2]

template<typename PointNT , typename PointOutT >

Eigen::MatrixXf pcl::computeRSD	(	const pcl::PointCloud< PointNT > &	normals,
		const pcl::Indices &	indices,
		const std::vector< float > &	sqr_dists,
		double	max_dist,
		int	nr_subdiv,
		double	plane_radius,
		PointOutT &	radii,
		bool	compute_histogram = `false`
	)

#include <pcl/features/rsd.h>

Параметры

[in]	normals	набор данных, содержащий нормали поверхности в каждой точке набора данных
[in]	indices	индексы точек-соседей в наборе данных (первая точка используется как опорная)
[in]	sqr_dists	квадраты расстояний от первой точки до всех точек в окрестности
[in]	max_dist	верхняя граница рассматриваемого интервала расстояний
[in]	nr_subdiv	число подразделений рассматриваемого интервала расстояний
[in]	plane_radius	максимальный радиус, при превышении которого поверхность можно считать плоской
[in]	radii	выходная точка типа, который должен содержать поля r_min и r_max
[in]	compute_histogram	если значение не равно false, предоставляется полная гистограмма окрестности, которую можно использовать как сигнатуру точки

Примечание: : ориентация не учитывается!; : точки за пределами заданного интервала не учитываются!

Определение в строке 149 файла rsd.hpp.

Ссылки на M_PI.

flipNormalTowardsNormalsMean()

template<typename PointNT >

bool pcl::flipNormalTowardsNormalsMean	(	pcl::PointCloud< PointNT > const &	normal_cloud,
		pcl::Indices const &	normal_indices,
		Eigen::Vector3f &	normal
	)

inline

#include <pcl/features/normal_3d.h>

Развернуть нормаль (на месте), чтобы её знак совпадал со знаком среднего значения нормалей, указанных в normal_indices.

Метод описан в следующих работах: A. Petrelli, L. Di Stefano, «A repeatable and efficient canonical reference for surface matching», 3DimPVT, 2012; A. Petrelli, L. Di Stefano, «On the repeatability of the local reference frame for partial shape matching», 13-я Международная конференция по компьютерному зрению (ICCV), 2011.

Нормали должны быть единичными векторами. В противном случае результирующее среднее будет взвешено нормами нормалей.

Параметры

[in]	normal_cloud	Облако нормалей, используемое для вычисления среднего значения
[in]	normal_indices	Индексы нормалей, используемых для вычисления среднего значения
[in]	normal	Входная нормаль, которую нужно развернуть. Функция изменяет нормаль.

Возвращает: false, если normal_indices не содержит ни одной допустимой нормали.

Определение в строке 204 файла normal_3d.h.

Ссылки на pcl::isFinite().

flipNormalTowardsViewpoint() [1/3]

template<typename PointT , typename Scalar >

void pcl::flipNormalTowardsViewpoint	(	const PointT &	point,
		float	vp_x,
		float	vp_y,
		float	vp_z,
		Eigen::Matrix< Scalar, 3, 1 > &	normal
	)

inline

#include <pcl/features/normal_3d.h>

Развернуть (на месте) оценённую нормаль точки в направлении заданной точки наблюдения.

Параметры

point	заданная точка
vp_x	X-координата точки наблюдения
vp_y	X-координата точки наблюдения
vp_z	X-координата точки наблюдения
normal	нормаль плоскости, которую нужно развернуть

Определение в строке 149 файла normal_3d.h.

flipNormalTowardsViewpoint() [2/3]

template<typename PointT , typename Scalar >

void pcl::flipNormalTowardsViewpoint	(	const PointT &	point,
		float	vp_x,
		float	vp_y,
		float	vp_z,
		Eigen::Matrix< Scalar, 4, 1 > &	normal
	)

inline

#include <pcl/features/normal_3d.h>

Развернуть (на месте) оценённую нормаль точки в направлении заданной точки наблюдения.

Параметры

point	заданная точка
vp_x	X-координата точки наблюдения
vp_y	X-координата точки наблюдения
vp_z	X-координата точки наблюдения
normal	нормаль плоскости, которую нужно развернуть

Определение в строке 122 файла normal_3d.h.

Используется в pcl::features::computeApproximateNormals(), pcl::NormalEstimation< PointInT, PointOutT >::computeFeature(), pcl::IntegralImageNormalEstimation< PointInT, PointOutT >::computePointNormal() и pcl::IntegralImageNormalEstimation< PointInT, PointOutT >::computePointNormalMirror().

flipNormalTowardsViewpoint() [3/3]

template<typename PointT >

void pcl::flipNormalTowardsViewpoint	(	const PointT &	point,
		float	vp_x,
		float	vp_y,
		float	vp_z,
		float &	nx,
		float &	ny,
		float &	nz
	)

#include <pcl/features/normal_3d.h>

Развернуть (на месте) оценённую нормаль точки в направлении заданной точки наблюдения.

Параметры

point	заданная точка
vp_x	X-координата точки наблюдения
vp_y	X-координата точки наблюдения
vp_z	X-координата точки наблюдения
nx	результирующая X-компонента нормали плоскости
ny	результирующая Y-компонента нормали плоскости
nz	результирующая Z-компонента нормали плоскости

Определение в строке 170 файла normal_3d.h.

getFeaturePointCloud()

template<int N>

void pcl::getFeaturePointCloud	(	const std::vector< Eigen::MatrixXf, Eigen::aligned_allocator< Eigen::MatrixXf > > &	histograms2D,
		PointCloud< Histogram< N > > &	histogramsPC
	)

#include <pcl/features/rsd.h>

Преобразовать список двумерных матриц в облако точек, содержащее значения в виде вектора (Histogram<N>).

Можно использовать для преобразования двумерных гистограмм, полученных в RSDEstimation, в облако точек.

Примечание: Параметр шаблона N должен быть больше или равен произведению числа строк на число столбцов.

Параметры

[in]	histograms2D	список двумерных гистограмм окрестностей
[out]	histogramsPC	набор данных, содержащий линеаризованные матрицы

Определение в строке 57 файла rsd.h.

Ссылки на pcl::PointCloud< PointT >::begin().

solvePlaneParameters() [1/2]

void pcl::solvePlaneParameters	(	const Eigen::Matrix3f &	covariance_matrix,
		const Eigen::Vector4f &	point,
		Eigen::Vector4f &	plane_parameters,
		float &	curvature
	)

inline

#include <pcl/features/feature.h>

Вычислить собственные значения и собственные векторы заданной матрицы ковариации 3x3 и оценить нормаль плоскости методом наименьших квадратов и кривизну поверхности.

Параметры

covariance_matrix	матрица ковариации 3x3
point	точка, лежащая на плоскости наилучшего приближения (с выравниванием по SSE)
plane_parameters	результирующие параметры плоскости: a, b, c, d (ax + by + cz + d = 0)
curvature	оценка кривизны поверхности как мера величины $\lambda_0 / (\lambda_0 + \lambda_1 + \lambda_2)$

Определение в строке 52 файла feature.hpp.

Используется в pcl::NormalEstimation< PointInT, PointOutT >::computePointNormal() и pcl::computePointNormal().

solvePlaneParameters() [2/2]

void pcl::solvePlaneParameters	(	const Eigen::Matrix3f &	covariance_matrix,
		float &	nx,
		float &	ny,
		float &	nz,
		float &	curvature
	)

inline

#include <pcl/features/feature.h>

Параметры

covariance_matrix	матрица ковариации 3x3
nx	результирующая X-компонента нормали плоскости
ny	результирующая Y-компонента нормали плоскости
nz	результирующая Z-компонента нормали плоскости
curvature	оценка кривизны поверхности как мера величины $\lambda_0 / (\lambda_0 + \lambda_1 + \lambda_2)$

Определение в строке 65 файла feature.hpp.

Ссылки на pcl::eigen33().

© 2009–2012, Willow Garage, Inc.
© 2012–, Open Perception, Inc.
Licensed under the BSD License.
https://pointclouds.org/documentation/group__features.html

Подробное описание

Обзор

Требования

Классы

Функции

Описание функций

computePairFeatures()

computePointNormal() [1/2]

computePointNormal() [2/2]

computeRSD() [1/2]

computeRSD() [2/2]

flipNormalTowardsNormalsMean()

flipNormalTowardsViewpoint() [1/3]

flipNormalTowardsViewpoint() [2/3]

flipNormalTowardsViewpoint() [3/3]

getFeaturePointCloud()

solvePlaneParameters() [1/2]

solvePlaneParameters() [2/2]