PCL点云之旅05-Harris特征点选取

实现效果

图像特征匹配

通过将不同图像的特征进行拼接，然后一张拼一张，最后通过一些平衡化处理之后就可以得到一张全景图了。

图像特征处理主要分为以下几类：

• 角点：Harris算子，SUSAN算子，FAST算子
• 梯度特征点。SIFT、SURF、GLOH、ASIFT、PSIFT等
• 边缘特征（线型）。Canny算子、Marr算子
• 纹理特征。灰度共生矩阵。小波Gabor算子

这篇文章主要研究Harrias角点检测与特征匹配

Harris角点检测

通常意义上来说，角点就是极值点，即在某方面属性特别突出的点，是在某些属性上强度最大或者最小的孤立点、线段的终点。而对于图像而言，如图所示红点部分，即为图像的角点，其是物体轮廓线的连接点。

代码实现

// harris处理函数
pcl::PointCloud<pcl::PointXYZ>::Ptr harris_pick_impl(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud){
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::HarrisKeypoint3D<pcl::PointXYZ,pcl::PointXYZI> harris;
    pcl::PointCloud<pcl::PointXYZI>::Ptr harris_keypoint(new pcl::PointCloud<pcl::PointXYZI>);
    harris.setInputCloud(cloud);
    harris.setMethod(harris.LOWE);
    harris.setRadius(0.5);
    harris.setRadiusSearch(0.2);
    harris.setNonMaxSupression(true);
    harris.setThreshold(0.002);
    harris.setNumberOfThreads(10);
    harris.compute(*harris_keypoint);

    pcl::PointIndicesConstPtr keypointIndices=harris.getKeypointsIndices();
    pcl::copyPointCloud(*cloud,*keypointIndices,*cloud_out);
    return cloud_out;
}

// 封装调用
void MainWindow::harris_pick(){

   // 设立关键点的颜色
   auto cloud_old=cloud.makeShared();
   auto cloud_out=harris_pick_impl(cloud.makeShared());
   cloud=*cloud_out;
   pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> selected_color(cloud.makeShared(),255,0,0);
   viewer->addPointCloud(cloud.makeShared(),selected_color,cloud_name[1]);
   viewer->setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 10, cloud_name[1]);
   viewer->resetCamera();
   ui->qvtkWidget->update();
}