1、概述

　　案例：使用goodFeaturesToTrack实现角点检测

　　特点：goodFeaturesToTrack的检测速度比cornerHarris角点检测的速度更加快速，且API的使用更加方便

PCL（Point Cloud Library）是一个开源的点云处理库，包含了众多点云处理算法和工具。以下是PCL中的关键点概念及相关算法简介：

1. 点云滤波：点云滤波是将点云数据进行降噪和平滑处理的过程，常用的滤波算法有：体素格滤波（VoxelGrid）、统计滤波（StatisticalOutlierRemoval）等。

2. 特征提取：特征提取是将点云数据中的特征信息提取出来，常用的特征提取算法有：法线估计（NormalEstimation）、Harris角点检测（HarrisKeypoint3D）等。

李银1，2,何强1，2，乔龙辉1，2

（1.重庆邮电大学，重庆400065；2.重庆信科设计有限公司，重庆400065）

：针对SIFT算法对大角度视角变化下特征提取鲁棒性不强的弱点，引入了一种完全仿射不变的图像特征匹配算法—ASIFT。ASIFT算法不仅继承了SIFT算法的尺度、旋转和平移的不变性，并且在此基础上增加了两个空间特征描述参数：经度和纬度，从而定义出度量仿射形变的两个参量绝对倾斜t（absolute tilt）和过渡倾斜τ（transition tilt），模拟相机光轴变化，实现完全仿射不变。一种双分辨率（two-resolution）加速方法的提出，使ASIFT算法的复杂度约为SIFT的2倍。

手眼标定是指通过对机械臂末端执行器和相机之间的关系进行准确测量和建模，从而实现机械臂与相机之间的坐标转换。以下是手眼标定的一般步骤：

1. 准备工作：

- 安装相机和机械臂末端执行器，并确保它们的坐标系已经定义和确定。

- 准备一个标定板，通常是一个带有特定图案的平面板，用于提供给相机进行观测和测量。

前面我们介绍了Harris和Shi-Tomasi角点检测算法，这两种算法具有旋转不变性，但不具有尺度不变性，以下图为例，在左侧小图中可以检测到角点，但是图像被放大后，在使用同样的窗口，就检测不到角点了。

11.1 基础概念及图像表示

11.1.1 数字图像根基

点云关键点提取，关键点检测本质上来说，并不是一个独立的部分，它常常和特征描述联系在一起，为了减少特征提取时的搜索空间，把重点放在重要的结构上，再将特征描述和识别等操作联系在一起。

本文对点云关键点提取的一些常用算法浅述原理。

（1）尺度不变特征转换(Scale-invariant feature transform,SIFT)：

SIFT是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。

作者：追求卓越583

来源：微信公众号@3D视觉工坊

Harris 角点检测 认为 特征点具有局部差异性。

2019-10-16 14:39

学生时代，在网吧里总听到有人会大喊：“A他！A他啊！” 在一旁玩CS和CF的人就不解了，什么是A呢？这个“A”就是魔兽争霸里的A键了，代表了Attack攻击，所以后来也衍生了“平A”=普通攻击的说法。

还有不少忠实拥趸依靠对战平台和各种制作精良的MOD地图继续在《魔兽争霸3：冰封王座》里战斗，魔兽争霸3时隔16年终于出了重制版，War3粉丝们又可以找回昔日的队友一起开黑了。