PCL 基于6D协方差的点云采样【2025最新版】

已于 2025-09-04 07:36:51 修改
阅读量2.7k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 点云进阶 文章标签： 自动驾驶 算法 计算机视觉
于 2021-11-25 11:15:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/120690481
本文介绍了基于6D协方差的点云采样算法，该算法用于自动驾驶中的ICP算法，通过增量方式采样特征点，确保协方差矩阵的特征值接近，提高稳定性。引用了Gelfand等人的相关研究，并提供了代码实现和结果展示。

目录

在这里插入图片描述

博客长期更新，本文最近更新时间为：2025年9月4日。

一、算法原理

1、原理概述

  基于6D协方差的采样主要是将采样点作为特征点用于ICP算法中，该算法以增量的方式采样特征点，同时尽量保持协方差矩阵的所有6个特征值尽可能接近彼此。该算法还包含一个ComputeConditionNumber方法，该方法返回一个数字，该数字显示采样点云作为ICP算法输入点云时的稳定性(值越接近1.0，越好)。

2、参考文献

[1] “Geometrically Stable Sampling for the ICP Algorithm” - N. Gelfand, L. Ikemoto, S. Rusinkiewicz, M. Levoy
[2]

了解本专栏 订阅专栏 解锁全文
CloudCompare&PCL 基于6D协方差的点云采样
dayuhaitang1的博客
06-02 580
点云采样
PCL 基于6D协方差的点云采样
m0_51204289的博客
10-25 434
内容抄自CSDN点云侠：[【2024最新版】PCL点云处理算法汇总（C++长期更新版）](https://blog.csdn.net/qq_36686437/article/details/114160640)。质量无忧，永久免费，可放心复制粘贴。
PCL基于6D协方差的点云采样（covariance_sampling）
xhm01291212的博客
07-29 273
通过计算点云法线，然后计算点云每个点的6D协方差矩阵。得到协方差矩阵之后，对其进行特征分解，得到点云每个点的主方向和形状信息。基于这些主方向和形状信息，选择具有代表性的点作为采样点。最终得到的点云适应于进行ICP配准。
PCL学习（五）如何在mesh模型上sample更多点及三维物体姿态估计
weixin_30940783的博客
01-23 684
---恢复内容开始--- 最近在做关于物体姿态估计的项目 基本思路就是 我们在估计物体的pose的时候，需要用分割得到的点云与模型库中的模型做匹配 1、通过基于RANSANC的SAC-IA将点云和模型做大体估计 2、通过ICP对物体pose做精准估计，并返回物体pose 第二步的时候有个问题，很多模型库里的模型都是mesh，转换成点云后因为原本的点就非常稀疏，所以得到的点云也非常稀...
IMLS-SLAM 论文学习
shuang_yu_的博客
04-03 6094
IMLS-SLAM 论文学习写作背景摘要scan egomotion 和 动态对象删除scan特征点选取策略基于IMLS的scan-to-match匹配附1：论文《Fast and accurate computation of surface normals from range images》简述附2，论文《dimensionality based scale selection in 3d ...
pcl滤波模块架构解析与算法汇总
xinxiangwangzhi_的博客
06-30 1498
1pcl滤波模块组成 以pcl::Filter为基类，衍生出各种滤波算法派生类，结构如下图所示：
【2025最新版】PCL点云处理算法汇总（C++长期更新版）
热门推荐
点云侠的博客
01-18 61万+
PCL学习目录。博客长期更新，最近一次更新时间为：2025年9月9日。
基于6D协方差的点云采样方法详解及源代码实现
TechPulseZ的博客
08-30 160
本文介绍了一种基于6D协方差的点云采样方法，该方法利用点云数据中点的位置和法向信息，通过协方差矩阵的分析来实现点云的采样。在本文中，我们将详细介绍一种基于6D协方差的点云采样方法，并提供相应的源代码实现。该方法利用点云数据中点的位置和法向信息，通过协方差矩阵的分析来实现点云的采样。即，在点的采样过程中，我们生成一个0到1之间的随机数，如果该随机数小于点的采样概率，则将该点采样。具体而言，我们可以使用高斯分布的概率密度函数，将点的位置和法向信息带入，计算每个点的采样概率。
深入理解协方差（图文详解）
野生猿-群号1025127672
07-15 8万+
先从方差开始，我们有一组样本x1、x2、x3····xn，这组样本的均值为EX，每一个样本都与EX之间存在误差，那么这组样本的方差被定义为：所有误差的和的均值，也即[Σ(xi-EX)^2]/(n-1)， 方差的作用就是用来“衡量样本偏离均值的程度”。 下面开始看协方差： 仔细观察上述定义式，可知：如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值时另外一个也大于自身的...
Stable Sampling of Point Clouds for ICP Registration：该函数实现了ICP算法的Geometrically Stampling Sampling的采样策略-matlab开发
06-01
该函数实现了 Gelfand 等人的点采样策略。 阿尔。 2003. 该算法针对使用 ICP 算法进行配准的模型的点云采样。 该方法在论文“ICP 算法的几何稳定采样”，3DIM 2003 中有所描述。其思想是通过约束扭矩和力的协方差矩阵的特征向量来对点进行采样。 评论中给出了与论文的详细信息和关系。 测试函数需要在这里使用 Gabriel Peyré 的 read_ply m 文件： http://www.mathworks.com/matlabcentral/fileexchange/5355-toolbox-graph/content/toolbox_graph/read_ply.m
ICP综述
FireMicrocosm的专栏
12-29 4073
ICP 求解过程        ICP 有好多变种，ICP求解步骤可以分为以下部分：        1、选点        在模型或者场景中选取匹配点        2、匹配        将选取的一组点匹配另一组点        3、分配权重        给匹配的点对分配权重        4、去除错误匹配        根据单个匹配点对或者根据总体匹配情况去除错误匹配点
ICP 方法
计算机技术学习笔记
12-19 4486
迭代最近点算法（ICP） 　　在20世纪80年代中期，很多学者开始对点集数据的配准进行了大量研究。1987年，Horn[1]、Arun[2]等人用四元数法提出点集对点集配准方法。这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年，计算机视觉研究者Besl和Mckay[3]介绍了一种高层次的基于自由形态曲面的配准方法，也称为迭代最近点法ICP（Iterativ
如何在三维模型中按一定密度提取点云数据（详细说明）
qq_31128845的博客
10-14 1万+
最近在查提取点运数据的相关资料时，发现在三维模型中提取点云数据的资料较少，有都不适合没有基础的小白阅读，于是在本人仔细查阅资料并研读一天后总结了一种较为方便且利于没有这方面基础的小白阅读完成。 1.所需文件及软件 1.1solidworks（用于建三维模型） 1.2pcl（最好已在VS上搭建开发环境）(没安装配置pcl的朋友可以在网上查一下，这方面教程很多的) 2.步骤 2.1在solidw...
PCL chapter10 BoundarEstimation边界提取（基于法线估计）
自动驾驶行业学习、交流
08-14 9388
1、概述 这种边界检测的方式和上一次的不同：本次是基于点云的，有点云估计出法线，再由法线和点云数据估计出边界；上次https://blog.csdn.net/suyunzzz/article/details/99175706的边界估计是基于深度图像的。 注意：此API中有多个参数需要用户根据自己的数据进行调整，其中影响主要是估计法线的半径设置normEST.setRadiusSearch(re...
点云匹配算法NDT公式推导过程说明，总结
qq_35102059的博客
03-08 1991
NDT的具体原理和步骤： https://blog.csdn.net/qq_35102059/article/details/121694705?spm=1001.2014.3001.5501 误差函数的构建： 将点云Y投影到点云X坐标系下，迭代计算最大重合概论。 优化过程及注意事项： 1.计算点云x的均值和方差，根据预测（可以使imu给的等）的位姿将Y投影到X，再对数化，将问题转化为求目标函数的最小值。 2.下图为借助泰勒展开，化简最小化问题，需要注意的是R，t和p均表示位姿转换。 3.
《PCL点云库学习&VS2010(X64)》Part 43 协方差矩阵的特征向量
梁的博客
08-31 8019
《PCL点云库学习&VS2010(X64)》Part 43 协方差矩阵的特征向量 对协方差矩阵的特征向量最直观的解释之一是它总是指向数据方差最大的方向。 更准确地说，第一特征向量是数据方差最大的方向，第二特征向量是与第一特征向量垂直的方向上数据方差最大的方向，第三特征向量是与第一和第二特征向量垂直的方向上数据方差最大的方向，以此类推。 下图是二维空间的一个例子：
PCL几种采样方法
weixin_34050519的博客
03-21 1609
（1）下采样  Downsampling 一般下采样是通过构造一个三维体素栅格，然后在每个体素内用体素内的所有点的重心近似显示体素中的其他点，这样体素内所有点就用一个重心点来表示，进行下采样的来达到滤波的效果，这样就大大的减少了数据量，特别是在配准，曲面重建等工作之前作为预处理，可以很好的提高程序的运行速度， #include <pcl/io/pcd_io.h> #include &...
PCA、协方差矩阵以及在点云处理中的应用
你代码像一首诗的博客
07-18 6492
PCA、协方差矩阵及其在点云处理中的应用 文章目录PCA、协方差矩阵及其在点云处理中的应用目的PCA推导特征值分解奇异值分解奇异值分解同特征值分解的关系点云处理中的应用参考链接 目的 考虑一个问题：一组数据XP×NX_{P\times N}XP×N​ (数据维度为P，样本点数目为N)，我们想对XXX进行降维，但最大限度的保留其中的信息，该怎么做？ 一种直观的想法是这样的，如果数据中存在高度相关的维度，那我们只保留其中的一个维度就可以了。对于普通的数据，各维度的相关性比较复杂，判断要保留哪些维度是一件比较困难
PCL 使用GICP对点云配准【2025最新版】
点云侠的博客
07-14 38万+
面对面的ICP算法。博客长期更新，最近一次更新时间为：2025年7月11日。
pcl计算点云 协方差
最新发布
02-02
### 使用PCL计算点云的协方差矩阵 #### 计算方法概述 为了利用PCL库计算点云的协方差矩阵，通常会涉及到几个主要步骤。这些操作不仅限于简单的数值运算，还涉及到了解几何特性以及统计属性。通过`pcl::...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值