【正文】 工大學畢業(yè)設(shè)計（論文） 32 for (size_t j=0。 //存儲計算結(jié)果 ofstream in。 } } } ()。 } pcl::PFHEstimationpcl::PointXYZ, pcl::Normal, pcl::PFHSignature125 pfh。 (tree)。但還是存在很多不足之處，比如對 PFH和 FPFH特征進行比較時，僅僅通過查 看 4個點的特征信息來總結(jié)并且驗證結(jié)論，可能導致 驗證結(jié)論說服力不強；本文實驗選取的模型比較單一，可能復雜度不夠 , 沒有那么強的代表性等等。 下圖展示經(jīng)程序運行后輸出第 200、 400、 600、 800點的 FPFH表示 圖 3 （ 2） 分別確定 k鄰域中每一個點的 k鄰域，按第一步分別形成自己的 SPFH。 [6] 圖 2 估計發(fā)現(xiàn)的方法有很多，其中比較簡單的一個表述如下：想要求得一個點的表面法線，即要求得點所在的近似估計表面的相切面的法線，所以我們可以把這一問題轉(zhuǎn)換成一個最小二乘法的平面擬合的問題，因此求解估計法線的過程可歸納為： 北京化工大學畢業(yè)設(shè)計（論文） 14 （ 1） 對樣本點進行鄰近元素查詢，搜索確定樣本點的 k 鄰域。 ③ 計算通過樣本點定義的剛體變換及其對應(yīng)變換，通過計算誤差度量評價變換質(zhì)量。 點云配準的定義 點云配準技術(shù)的產(chǎn)生來源于實際問題，如上小節(jié)例子中提到的逆向工程技術(shù)，對實物模型進行三維測繪產(chǎn)生，獲得龐大的點云數(shù)據(jù)，但得到的點云數(shù)據(jù)可能由于平移錯位或旋轉(zhuǎn)錯位等原因不完整，無法獲得想要得到的完整的數(shù)字模型。 Paul 等人根據(jù)利用圖像中的信息配準將圖像配準方法分為兩大類：基于像素的圖像配準和基于特征的圖像配準。 滿足條件：平移、旋轉(zhuǎn)、縮放、投影、扭曲 數(shù)學表達：二維空間中，點 (, )xy 變換 到 ( 39。 4) 其中 ? 指旋轉(zhuǎn)角度， xytt??????指平移量。09. IEEE International Conference on. IEEE, 2021: 32123217. [7] Zhang Z. Iterative point matching for registration of freeform curves[J]. 1992. [8] Rusu R B, Marton Z C, Blodow N, et al. Persistent point feature histograms for 3D point clouds[C]//Proc 10th Int Conf Intel Autonomous Syst (IAS10), BadenBaden, Germany. 2021: 119128. [9] 朱 德海，郭浩，蘇偉 . 點云庫 PCL 學習教程 [M]. 北京：北京航空航天大學出版社，. [10] 王蕾 . 圖像配準技術(shù)及應(yīng)用研究 [D].西安電子科技大學 ,2021. [11] 劉松濤 ,楊紹清 . 圖像配準技術(shù)研究進展 [J]. 電光與控制 ,2021,06:99105. [12] 郭海濤 ,劉智 ,張保明 . 基于遺傳算法的快速影像匹配技術(shù)的研究 [J]. 測繪學院學報 ,2021,S1:2022. [13] 王小睿 , 吳 信 才 . 遙 感 多 圖 象 的 自 動 配 準 方 法 [J]. 中 國 圖 象 圖 形 學報 ,1997,10:3943. [14] 熊興華 , 錢曾波 , 王任享 . 遺傳算法 與最小二乘法相結(jié)合的遙感圖像子像素匹配[J]. 測繪學報 ,2021,01:5459. [15] 彭景林 . 基于互信息和離散小波幀分解的醫(yī)學圖像配準研究 [D].湖南大學 ,2021. [16] 常學義 ,孫秋冬 ,任煜 ,陳瑋 . 基于 MATLAB 的圖像配準方法 [J]. 上海第二工業(yè)大學學報 ,2021,04:303308. [17] 吳嘉 . 基于特征點空間信息分布直方圖的匹配方法研究 [D].南京理工大學 ,2021. [18] 趙輝 . 基于點特征的圖像配準算法研究 [D].山東大學 ,2021. [19] 苑津莎 ,趙振兵 ,高強 ,孔英會 . 紅外與可見光圖像配準研究現(xiàn)狀與展 望 [J]. 激光與紅外 ,2021,07:693699. [20] Rusu R B, Blodow N, Marton Z C, et al. Aligning point cloud views using persistent 北京化工大學畢業(yè)設(shè)計（論文） 6 feature histograms[C]//Intelligent Robots and Systems, 2021. IROS 2021. IEEE/RSJ International Conference on. IEEE, 2021: 33843391. [21] Rusu R B, Marton Z C, Blodow N, et al. Towards 3D point cloud based object maps for household environments[J]. Robotics and Autonomous Systems, 2021, 56(11): 927941. 北京化工大學畢業(yè)設(shè)計（論文） 7 第 1 章 圖像配準簡介及點云配準 第 節(jié) 圖像配準的定義 什么是圖像配準？上世紀九十年代 Brown 給出了令大家認可的定義：圖像配準技術(shù)是將同一場景（或物體）在不同時刻，不同傳感器， 不同視角以及不同拍攝條件下得到的兩幅或多幅的圖像進行匹配的過程 [1]。 研究了圖像配準的互相關(guān)技術(shù)； 等對圖像配準相似性測度和預處理方法進行了比較分析； Flussr 針對變形圖像間的匹配又提出了一個將兩幅遙感圖像自動分割，得到相似度很大的相應(yīng)子塊，根據(jù)這些子塊的空間位置關(guān)系對原圖像進行匹配的自適應(yīng)映射方法。 三維點云數(shù)據(jù)處理技術(shù)的應(yīng)用十分廣泛，主要作用在機器人領(lǐng)域、 CAD/CAM、逆向工程領(lǐng)域、激光遙感測量領(lǐng)域、以及虛擬現(xiàn)實、人機交互領(lǐng)域 等等。論文中所引用的文獻、數(shù)據(jù)、資料都已經(jīng)標注；對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式注明并表示感謝。 關(guān)鍵字： 圖像配準 ，點云配準， 特征提取 ， PFH 特征， FPFH 特征 北京化工大學畢業(yè)設(shè)計（論文） 5 The Algorithm of FPFH Feature Extraction in 3D Registration Abstract:： 3D point cloud registration technology is image registration technique on 3D category, which is widely used in reverse engineering, machine vision, laser remote sensing measurement, humanputer interaction, virtual reality and many other fields. In the 3D point cloud registration field, description of the characteristics and the extraction are the foundation as well as the critical steps. 3D registration includes following steps: Through FPFH of 3D point cloud data feature extraction and parison of characteristics of similarity between two data, to estimate the corresponding relationship between them, finally correct corresponding relation is used to estimate the rigid body transformation, to plete the registration process. Fast point feature histogram (FPFH) is a way to describe threedimensional point cloud data of the point feature representation of local geometry characteristic information. In this paper, firstly, three kinds of existing point feature are provided: estimated normal, point feature histogram (PFH) and fast point feature histogram (FPFH) including feature extraction algorithms, then the FPFH and PFH putational plexity, accuracy, stability and applicability to analysis, next sum up the advantages of low putational plexity, and so on FPFH, at last some conclusions are verified by experiments. Keywords: Image registration， point cloud registration， feature extraction，PFH feature， FPFH feature 北京化工大學畢業(yè)設(shè)計（論文） 6 目錄 前言 ........................................................1 開題報告 ....................................................2 第 1 章 圖像配準簡介及點云配準 ................................7 第 節(jié) 圖像配準的定義 ..................................7 第 節(jié) 圖像配準中的幾何變換 ............................7 第 節(jié) 圖像配準方法簡介 ................................9 第 節(jié) 點云配準 ......................................10 點云簡介 .......................................10 點云配準的定義 ..................................10 點云配準方法簡介 ................................11 第 2 章 點云特征的描述及提取 .................................13 第 節(jié) 法線估計 ......................................13 第 節(jié) 點特征直方圖（ PFH） ............................14 第 節(jié) 快速點特征直方圖（ FPFH） .......................16 第 3 章 點特征提取實驗及結(jié)果展示 .............................18 第 節(jié) 實驗一：估計法線的提取 .........................18 第 節(jié) 實驗二： PFH 提取 ...............................19 第 節(jié) 實驗三： FPFH 提取 ..............................20 第 4 章 論文總結(jié)與展望 ......................................22 第 節(jié) 論文總結(jié) ......................................22 第 節(jié) 論文的展望 .....................................24 參考文獻 ...................................................25 致謝 .......................................................27 附錄（一） .................................................28 附錄（二） .................................................33 北京化工大學畢業(yè)設(shè)計（論文）