三維點(diǎn)云目標(biāo)提取（續(xù)）
3.三維點(diǎn)云目標(biāo)提取
3.1一般流程
先根據(jù)個(gè)人認(rèn)識(shí)總結(jié)一下目標(biāo)提取的一般性步驟：

如上所示，三維點(diǎn)云的目標(biāo)提取關(guān)鍵性的兩步即為：特征提取與選擇、分類，是不是整個(gè)方法流程與圖像中的目標(biāo)識(shí)別有點(diǎn)像。本質(zhì)上看，凡是涉及到目標(biāo)識(shí)別，其方法流程大體是相同的。為什么要搞特征提取，因?yàn)槲覀円R(shí)別的目標(biāo)一般是在一個(gè)大場(chǎng)景下，各種目標(biāo)相互混雜，既然要對(duì)某個(gè)目標(biāo)進(jìn)行識(shí)別，當(dāng)然就需要有一個(gè)指標(biāo)或者數(shù)值來(lái)最大化不同目標(biāo)之前的區(qū)別，這個(gè)指標(biāo)或者數(shù)值就是所謂的目標(biāo)特征了。所以我們?cè)趯?duì)目標(biāo)進(jìn)行識(shí)別時(shí)，往往要采用適合本目標(biāo)的特征。就比如說(shuō)圖像識(shí)別中的卷積神經(jīng)網(wǎng)絡(luò)CNN，為什么它比用傳統(tǒng)通過(guò)手工設(shè)計(jì)的特征進(jìn)行識(shí)別的識(shí)別率要高一大截，本質(zhì)原因就是CNN的特征是通過(guò)學(xué)習(xí)得到的，而且特征表示與分類器是聯(lián)合優(yōu)化的。分類器就不累贅了，SVM、boosting、決策樹(shù)等等。
3.2特征提取
特征提取的重要性從以上就可以看得出來(lái)了，它是最終結(jié)果能不能滿足預(yù)期的最重要因素。來(lái)看看分類器的不同對(duì)結(jié)果的影響：

以上的分類器分別為最近鄰、決策樹(shù)、二次判別分析、SVM，所使用的特征是相同的。從結(jié)果中可以簡(jiǎn)單的得出結(jié)論，影響目標(biāo)識(shí)別的決定性因素肯定就是特征提取了。其實(shí)這也是我理解為什么CNN用的softmax分類器的原因，就是影響結(jié)果的不是分類器，而是特征。
好了，總結(jié)一下三維點(diǎn)云的特征吧。
<1>2D特征
2d幾何特征：半徑、點(diǎn)密度、面積…

2d局部形狀特征

基于累積圖的特征：格網(wǎng)點(diǎn)數(shù)、高程差、高程標(biāo)準(zhǔn)差…

<2>3D特征
3d幾何特征：半徑、高程差、高程標(biāo)準(zhǔn)差、點(diǎn)密度

3d局部形狀特征：線性特征、平面特征、散亂特征、總方差、各向異性、特征熵、特征值和曲率…

<3>紋理特征

RGB 強(qiáng)度

<4>統(tǒng)計(jì)圖特征
點(diǎn)特征直方圖PFH、快速點(diǎn)特征直方圖FPFH、視點(diǎn)特征直方圖VFH，Signature

of Histograms of OrienTations(SHOT)

<5>其他
Spin images，Global FPFH，Global Radius-based Surface Descriptor(GRSD)，GlobalStructure Histogram(GSH)

3.3 分類器
分類器這個(gè)還是省略吧，僅憑大家所熱衷的啦，對(duì)結(jié)果提升不大，以下是一些常用的分類器：

4.總結(jié)
三維點(diǎn)云目標(biāo)提取個(gè)人覺(jué)得還是很有研究前景的，畢竟目標(biāo)整體的識(shí)別率不是很高，還有很多需要改進(jìn)的地方。如前所說(shuō)，影響整個(gè)結(jié)果的其實(shí)就是特征提取這一步了，個(gè)人覺(jué)得可以從這一步出發(fā)來(lái)進(jìn)行研究，本人也做過(guò)一些相關(guān)實(shí)驗(yàn)，就是結(jié)合深度學(xué)習(xí)，（有時(shí)間的話可以介紹介紹這一塊）參閱了一些國(guó)外主流期刊，貌似做的人不多。還有一點(diǎn)，個(gè)人覺(jué)得最好是將三維點(diǎn)云與其他傳感器得到的數(shù)據(jù)進(jìn)行融合來(lái)研究，特別是圖像，研究的價(jià)值絕對(duì)是杠杠的。如果想知道一些具體的研究成果，大家可以去主流期刊看看，當(dāng)然也可以問(wèn)我啦，或者需要什么資料也可以啦，為國(guó)家做做貢獻(xiàn)~~~
---------------------?
作者：Teddysnow?
來(lái)源：CSDN?
原文：https://blog.csdn.net/a2008301610258/article/details/48785455?
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)附上博文鏈接！

總結(jié)

以上是生活随笔為你收集整理的三维点云目标提取总结（续）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。