PCL教程指南-VFH描述子

• 
  官方原文档
  
• VFH是对FPFH基础上的扩展，VFH目的是抽象出一个整体的描述特征，这个特征主要由以下两部分组成

  1. 
     视点与其他点的关系
     

  2. 
     中心点与其他点的关系
     

示意图
视点与其他点的关系：视点与中心点形成的向量与其他点法向量形成的夹角；即图中alpha
中心点与其他点的关系：中心点与各点的SPFH特征，即三个角度和一个距离

• 
  对于官方文档中的示意图个人认为是有错误的，表述是视点与中心点的向量，示意图却是视点与其他点的向量。源码中计算使用的是中心点。
  
• 
  且官方文档中对于中心点与其他点特征计算表述易造成误解，文档表述为扩展的FPFH，但其实本质就是SPFH，易造成还需要加权计算的误解。
  
• 以下对官方代码进行注释，并扩展

#include <pcl/point_types.h>
#include <pcl/features/vfh.h>

{
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal> ());

  ... read, pass in or create a point cloud with normals ...
  ... (note: you can create a single PointCloud<PointNormal> if you want) ...

  // VFH估计类，输入点结构与法向结构，输出为VFH标签结构
  pcl::VFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::VFHSignature308> vfh;
  vfh.setInputCloud (cloud);
  vfh.setInputNormals (normals);
  // 如果点类型包含了法向，直接使用vfh.setInputNormals (cloud);

  // kdtree搜素方法
  pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());
  vfh.setSearchMethod (tree);

  //输出集
  pcl::PointCloud<pcl::VFHSignature308>::Ptr vfhs (new pcl::PointCloud<pcl::VFHSignature308> ());

  // 计算
  vfh.compute (*vfhs);

  // vfhs->size () should be of size 1*
}

• 其中
  
pcl::VFHSignature308

  中308指，默认视点特征分割为128bin，其他每个特征分割bin数为45，现在视点特征有一个角度，中心点特征有三个角度和一个距离，则一共128+45*4=308
  
  

• 对于中心点和视点，用户可以自定义，默认是根据自身范围计算