一文了解點(diǎn)云及處理方法

點(diǎn)云與三維圖像的關(guān)系：三維圖像是一種特殊的信息表達(dá)形式，其特征是表達(dá)的空間中三個(gè)維度的數(shù)據(jù)，表現(xiàn)形式包括：深度圖（以灰度表達(dá)物體與相機(jī)的距離），幾何模型（由CAD軟件建立），點(diǎn)云模型（所有逆向工程設(shè)備都將物體采樣成點(diǎn)云）。和二維圖像相比，三維圖像借助第三個(gè)維度的信息，可以實(shí)現(xiàn)天然的物體——背景解耦。點(diǎn)云數(shù)據(jù)是最為常見也是最基礎(chǔ)的三維模型。點(diǎn)云模型往往由測(cè)量直接得到，每個(gè)點(diǎn)對(duì)應(yīng)一個(gè)測(cè)量點(diǎn)，未經(jīng)過(guò)其他處理手段，故包含了最大的信息量。這些信息隱藏在點(diǎn)云中需要以其他提取手段將其萃取出來(lái)，提取點(diǎn)云中信息的過(guò)程則為三維圖像處理。

點(diǎn)云的概念：點(diǎn)云是在同一空間參考系下表達(dá)目標(biāo)空間分布和目標(biāo)表面特性的海量點(diǎn)集合，在獲取物體表面每個(gè)采樣點(diǎn)的空間坐標(biāo)后，得到的是點(diǎn)的集合，稱之為“點(diǎn)云”（Point Cloud）。

點(diǎn)云的獲取設(shè)備：RGBD設(shè)備是獲取點(diǎn)云的設(shè)備，比如PrimeSense公司的PrimeSensor、微軟的Kinect、華碩的XTionPRO。

點(diǎn)云的內(nèi)容：根據(jù)激光測(cè)量原理得到的點(diǎn)云，包括三維坐標(biāo)（XYZ）和激光反射強(qiáng)度（Intensity），強(qiáng)度信息與目標(biāo)的表面材質(zhì)、粗糙度、入射角方向，以及儀器的發(fā)射能量，激光波長(zhǎng)有關(guān)。

根據(jù)攝影測(cè)量原理得到的點(diǎn)云，包括三維坐標(biāo)（XYZ）和顏色信息（RGB）。

結(jié)合激光測(cè)量和攝影測(cè)量原理得到點(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)云的屬性：空間分辨率、點(diǎn)位精度、表面法向量等。

點(diǎn)云存儲(chǔ)格式：*.pts; *.asc ; *.dat; .stl ; [1] .imw；.xyz；.las。LAS格式文件已成為L(zhǎng)iDAR數(shù)據(jù)的工業(yè)標(biāo)準(zhǔn)格式，LAS文件按每條掃描線排列方式存放數(shù)據(jù),包括激光點(diǎn)的三維坐標(biāo)、多次回波信息、強(qiáng)度信息、掃描角度、分類信息、飛行航帶信息、飛行姿態(tài)信息、項(xiàng)目信息、GPS信息、數(shù)據(jù)點(diǎn)顏色信息等。

C–class（所屬類）

F一flight（航線號(hào)）

T一time（GPS時(shí)間）

I一intensity（回波強(qiáng)度）

R一return（第幾次回波）

N一number of return（回波次數(shù)）

A一scan angle（掃描角）

RGB一red green blue（RGB顏色值）

點(diǎn)云的數(shù)據(jù)類型：

（1）pcl::PointCloudpcl::PointXYZ

PointXYZ 成員：float x，y，z;表示了xyz3D信息，可以通過(guò)points[i].data[0]或points[i].x訪問(wèn)點(diǎn)X的坐標(biāo)值

（2）pcl::PointCloudpcl::PointXYZI

PointXYZI成員：float x, y, z, intensity; 表示XYZ信息加上強(qiáng)度信息的類型。

（3）pcl::PointCloudpcl::PointXYZRGB

PointXYZRGB 成員：float x,y,z,rgb; 表示XYZ信息加上RGB信息，RGB存儲(chǔ)為一個(gè)float。

（4）pcl::PointCloudpcl::PointXYZRGBA

PointXYZRGBA 成員：float x , y, z; uint32_t rgba; 表示XYZ信息加上RGBA信息，RGBA用32bit的int型存儲(chǔ)的。

（5） PointXY 成員：float x,y;簡(jiǎn)單的二維x-y點(diǎn)結(jié)構(gòu)

（6）Normal結(jié)構(gòu)體：表示給定點(diǎn)所在樣本曲面上的法線方向，以及對(duì)應(yīng)曲率的測(cè)量值，用第四個(gè)元素來(lái)占位，兼容SSE和高效計(jì)算。

點(diǎn)云處理的三個(gè)層次：Marr將圖像處理分為三個(gè)層次，低層次包括圖像強(qiáng)化，濾波，關(guān)鍵點(diǎn)/邊緣檢測(cè)等基本操作。中層次包括連通域標(biāo)記（label），圖像分割等操作。高層次包括物體識(shí)別，場(chǎng)景分析等操作。工程中的任務(wù)往往需要用到多個(gè)層次的圖像處理手段。

PCL官網(wǎng)對(duì)點(diǎn)云處理方法給出了較為明晰的層次劃分，如圖所示。

此處的common指的是點(diǎn)云數(shù)據(jù)的類型，包括XYZ，XYZC，XYZN，XYZG等很多類型點(diǎn)云，歸根結(jié)底，最重要的信息還是包含在pointpcl::point::xyz中。可以看出，低層次的點(diǎn)云處理主要包括濾波（filters），關(guān)鍵點(diǎn)（keypoints）/邊緣檢測(cè)。點(diǎn)云的中層次處理則是特征描述（feature），分割（segmention）與分類。高層次處理包括配準(zhǔn)（registration），識(shí)別（recognition）?？梢?，點(diǎn)云在分割的難易程度上比圖像處理更有優(yōu)勢(shì)，準(zhǔn)確的分割也為識(shí)別打好了基礎(chǔ)。

低層次處理方法:

①濾波方法：雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機(jī)采樣一致性濾波。②關(guān)鍵點(diǎn)：ISS3D、Harris3D、NARF，SIFT3D

中層次處理方法：

①特征描述：法線和曲率的計(jì)算、特征值分析、SHOT、PFH、FPFH、3D Shape Context、Spin Image

②分割與分類：

分割：區(qū)域生長(zhǎng)、Ransac線面提取、全局優(yōu)化平面提取

　　　K-Means、Normalize Cut（Context based）

　　　3D Hough Transform(線、面提取)、連通分析

分類：基于點(diǎn)的分類，基于分割的分類，基于深度學(xué)習(xí)的分類（PointNet，OctNet）

高層次處理方法：

①配準(zhǔn)：點(diǎn)云配準(zhǔn)分為粗配準(zhǔn)（Coarse Registration）和精配準(zhǔn)（Fine Registration）兩個(gè)階段。

精配準(zhǔn)的目的是在粗配準(zhǔn)的基礎(chǔ)上讓點(diǎn)云之間的空間位置差別最小化。應(yīng)用最為廣泛的精配準(zhǔn)算法應(yīng)該是ICP以及ICP的各種變種（穩(wěn)健ICP、point to plane ICP、Point to line ICP、MBICP、GICP、NICP）。

粗配準(zhǔn)是指在點(diǎn)云相對(duì)位姿完全未知的情況下對(duì)點(diǎn)云進(jìn)行配準(zhǔn)，可以為精配準(zhǔn)提供良好的初始值。當(dāng)前較為普遍的點(diǎn)云自動(dòng)粗配準(zhǔn)算法包括基于窮舉搜索的配準(zhǔn)算法和基于特征匹配的配準(zhǔn)算法。

基于窮舉搜索的配準(zhǔn)算法：遍歷整個(gè)變換空間以選取使誤差函數(shù)最小化的變換關(guān)系或者列舉出使最多點(diǎn)對(duì)滿足的變換關(guān)系。如RANSAC配準(zhǔn)算法、四點(diǎn)一致集配準(zhǔn)算法（4-Point Congruent Set, 4PCS）、Super4PCS算法等……

基于特征匹配的配準(zhǔn)算法：通過(guò)被測(cè)物體本身所具備的形態(tài)特性構(gòu)建點(diǎn)云間的匹配對(duì)應(yīng)，然后采用相關(guān)算法對(duì)變換關(guān)系進(jìn)行估計(jì)。如基于點(diǎn)FPFH特征的SAC-IA、FGR等算法、基于點(diǎn)SHOT特征的AO算法以及基于線特征的ICL等…

②SLAM圖優(yōu)化

Ceres（Google的最小二乘優(yōu)化庫(kù)，很強(qiáng)大）， g2o、LUM、ELCH、Toro、SPA

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

③三維重建

泊松重建、 Delaunay triangulations、表面重建，人體重建，建筑物重建，樹木重建。結(jié)構(gòu)化重建：不是簡(jiǎn)單的構(gòu)建一個(gè)Mesh網(wǎng)格，而是為場(chǎng)景進(jìn)行分割，為場(chǎng)景結(jié)構(gòu)賦予語(yǔ)義信息。場(chǎng)景結(jié)構(gòu)有層次之分，在幾何層次就是點(diǎn)線面。實(shí)時(shí)重建：重建植被或者農(nóng)作物的4D（3D+時(shí)間）生長(zhǎng)態(tài)勢(shì)；人體姿勢(shì)識(shí)別；表情識(shí)別；

④點(diǎn)云數(shù)據(jù)管理：點(diǎn)云壓縮，點(diǎn)云索引（KD、Octree），點(diǎn)云LOD（金字塔），海量點(diǎn)云的渲染

版權(quán)聲明：本文為CSDN博主「Daisey_tang」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/hongju_tang/java/article/details/85008888