上周點云公眾號開始分享群友們的反饋分享，由博主分配任務(wù)，半個月甚至一個月參與學(xué)習(xí)小伙伴的反饋給群主，并在微信交流群中進(jìn)行學(xué)術(shù)交流，加強(qiáng)大家的閱讀文獻(xiàn)能力，并提高公眾號的分享效果。已經(jīng)有一些開始陸續(xù)反饋中，在此期待之前參與任務(wù)的小伙伴趕緊將你們的分享發(fā)送給群主吧，同時也希望更多的同學(xué)能參與進(jìn)來，參與我們下一輪學(xué)習(xí)！

SHOT概述

????? SHOT（Signature of Histogram of Orientation）是一種基于局部特征的描述子，在特征點處建立局部坐標(biāo)系，將鄰域點的空間位置信息和幾何特征統(tǒng)計信息結(jié)合起來描述特征點。Tombari 等人將現(xiàn)有三維局部特征描述方法分為兩類，即基于特征的描述方法與基于直方圖的描述方法，并分析了兩種方法的優(yōu)勢，提出基于特征的局部特征描述方法要比后者在特征的描述能力上更強(qiáng)，而基于直方圖的局部特征描述方法在特征的魯棒性上比前者更勝一籌。

????? 計算3D表面之間的相似程度（表面匹配）是計算機(jī)視覺任務(wù)尤其是3D對象識別和表面對齊的關(guān)鍵。通過匹配3D描述符建立的局部對應(yīng)關(guān)系可以用于解決更高級別的任務(wù)，例如3D對象識別。這種方法以有效地處理諸如遮擋，雜亂和視點變化等問題。

SHOT步驟

? ? ? The first category, that includes earliest works on the subject, describes the 3D surface neighborhood of a given point (hereinafter support) by defining an invariant local Reference Frame (RF) and encoding, according to the local coordinates, one or more geometric measurements computed individually on each point of a subset of the support.

???????? 一方面，通過定義不變的局部坐標(biāo)系（RF）并根據(jù)局部坐標(biāo)單獨編碼計算一個點的支撐區(qū)域的幾何特征，來描述給定點的3D表面鄰域（下文稱為Support）。

? ? ?On the other hand, Histogram-based methods describe the support by accumulating local geometrical or topological measurements (e.g. point counts, mesh triangle areas) into histograms according to a specific quantized domain (e.g. point coordinates, curvatures) which requires the definition of either a Reference Axis (RA) or a local RF.

???????? 另一方面，基于直方圖的方法通過根據(jù)特定的量化域（例如點坐標(biāo)，曲率）將局部幾何或拓?fù)錅y量（例如點數(shù)，網(wǎng)格三角形區(qū)域）累積到直方圖中來描述支撐區(qū)域，這需要定義參考軸Reference Axis（RA）或局部RF。（local Reference Frame）

step1: 根據(jù)特征點球鄰域信息建立局部參考坐標(biāo)系LRF,對特征點的球鄰域分別沿徑向（內(nèi)外球)、經(jīng)度(時區(qū)）和緯度方向(南北半球)進(jìn)行區(qū)域劃分。通常徑向劃分為2，經(jīng)度劃分為8，緯度劃分為2，總共32個小區(qū)域。

step2:分別統(tǒng)計每個小區(qū)域內(nèi)的法向量夾角余弦值分布情況，法向量劃分為11個bin。最終SHOT的長度為：32x11=352。

分解步驟1：建立坐標(biāo)系

法向估計 得到Z軸一般使用的PCA

計算該點K近鄰組成類似平面的XYZ方向上的特征值就是它的法線。通過主成分分析法（PCA）來計算它的方向也具有二義性，無法對整個點云數(shù)據(jù)集的法線方向進(jìn)行一致性定向。

???????? 本文中添加了一個距離參數(shù)，給鄰域內(nèi)較遠(yuǎn)的點分配較小的權(quán)重，協(xié)方差矩陣的構(gòu)造過程和深度圖中某點的法向計算類似，不同的是，該方法在構(gòu)造協(xié)方差矩陣時加上了距離權(quán)重。離特征點距離近的點對協(xié)方差矩陣構(gòu)造的貢獻(xiàn)大，距離特征點遠(yuǎn)的點對協(xié)方差矩陣構(gòu)造的貢獻(xiàn)小，這樣增強(qiáng)了局部參考系在復(fù)雜場景中的可重復(fù)性。

為了計算方便，設(shè)置特征點P為質(zhì)心，設(shè)置半徑為R的球形支撐區(qū)域。

另外本文還解決了法線二義性的問題，將由上式得到的特征值從大到小排列，與其對應(yīng)的三個特征向量分別稱為x +，y +和z +軸。

這個公式大致意思是說特征點P鄰域內(nèi)點Pi滿足點到P的距離小于R并且該點減去特征點，與x+同向，滿足這兩個條件的點數(shù)較多，X+就是X軸的正向。也就是說必須使各向量的方向指向局部表面點分布的高密度方向。Y軸由Z和X叉乘得到。

分解步驟2：直方圖特征描述

提出了一種3D描述符，其對基本一階微分實體（即支撐區(qū)域內(nèi)的點的法線）的直方圖進(jìn)行編碼，與平面3D坐標(biāo)相比，其更能代表表面的局部結(jié)構(gòu)。

SHOT描述在紋理上的擴(kuò)展

由于最初提出的SHOT描述子是不針對紋理和顏色信息的，單純的幾何信息編碼影響識別的準(zhǔn)確率，因此后來SHOT加入了顏色信息。SHOT中的顏色編碼主要是LAB空間(CIELAB計算)中的顏色；直方圖31級，因此顏色描述子長度32x31 = 992;添加顏色信息的SHOT描述子共1344維。

參考文獻(xiàn)

[1] http://docs.pointclouds.org/trunk/structpcl_1_1_s_h_o_t1344.html

[2] http://www.vision.deis.unibo.it/research/80-shot

[3] https://blog.csdn.net/FireMicrocosm/article/details/78059151

[4] https://www.cnblogs.com/BellaVita/p/10019409.html

[5] F. Tombari *, S. Salti *, L. Di Stefano, "Unique Signatures of Histograms for Local Surface Description",?11th European Conference on Computer Vision (ECCV), September 5-11, Hersonissos, Greece, 2010.

[6] F. Tombari, S. Salti, L. Di Stefano, "A combined texture-shape descriptor for enhanced 3D feature matching",?IEEE International Conference on Image Processing (ICIP), September 11-14, Brussels, Belgium, 2011.

[7] S. Salti, F. Tombari, L. Di Stefano, "SHOT: Unique Signatures of Histograms for Surface and Texture Description",?Computer Vision and Image Understanding, May, 2014.

[8] 鄧俊文，基于二值描述符的三維目標(biāo)識別研究 。重慶大學(xué)碩士學(xué)位論文.

?此分享來自北京工業(yè)大學(xué)的閆同學(xué)，在此感謝她為公眾號的分享，并號召大家積極分享共同營造良好的交流分享的氛圍，并且此文章已經(jīng)上傳至github組群。同時文章中若有疑問或者錯誤請留言指正。

資源

三維點云論文及相關(guān)應(yīng)用分享

【點云論文速讀】基于激光雷達(dá)的里程計及3D點云地圖中的定位方法

3D目標(biāo)檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學(xué)習(xí)2D表示以實現(xiàn)快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現(xiàn)點云可視化GUI

JSNet：3D點云的聯(lián)合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點云的顯示

基于局部凹凸性進(jìn)行目標(biāo)分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點云標(biāo)記

點云的超體素(SuperVoxel)

基于超點圖的大規(guī)模點云分割

更多文章可查看：點云學(xué)習(xí)歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統(tǒng)中的語義SLAM

【點云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機(jī)

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM

易擴(kuò)展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機(jī)的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術(shù)

第二期B站錄播之深度學(xué)習(xí)在3D場景中的應(yīng)用

第三期B站錄播之CMake進(jìn)階學(xué)習(xí)

第四期B站錄播之點云物體及六自由度姿態(tài)估計

第五期B站錄播之點云深度學(xué)習(xí)語義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點云配準(zhǔn)概述及其在激光SLAM中的應(yīng)用

[線上分享錄播]cloudcompare插件開發(fā)

[線上分享錄播]基于點云數(shù)據(jù)的?Mesh重建與處理

[線上分享錄播]機(jī)器人力反饋遙操作技術(shù)及機(jī)器人視覺分享

[線上分享錄播]地面點云配準(zhǔn)與機(jī)載點云航帶平差

點云PCL更多活動請查看：點云PCL活動之應(yīng)屆生校招群

掃描下方微信視頻號二維碼可查看最新研究成果及相關(guān)開源方案的演示：

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務(wù)必按照“姓名+學(xué)校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內(nèi)容如有錯誤請留言評論，歡迎指正交流。如有侵權(quán)，請聯(lián)系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機(jī)器人等相關(guān)的領(lǐng)域。

分享及合作方式：群主微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號展開合作。

點一下“在看”你會更好看耶

總結(jié)

以上是生活随笔為你收集整理的PCL中3D特征描述子Shot详解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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