数据与特征决定了机器学习的上限,
模型/算法/参数只是来逼近这个上限。
0: 分类方式
按照特征的物理属性,可以将特征分为:几何域,强度域。
按照特征的空间尺度,可以分为:单点特征,局部特征,全局特征。
1:传统特征
单点特征
主要有:三维坐标(X, Y, Z), 回波强度 Intensity, 法线 (Nx,Ny,Nz),主曲率(PCx, PCy, PCz, 及两个特征值 PC1, PC2)
局部特征
(一)几何域
局部特征常见的有各种几何特征描述子:PFH,FPFH,SHOT,C-SHOT,RSD,3D形状描述子等。
(二)强度域
强度梯度(IGx, IGy, IGz):
全局特征
(一)几何域
常见的几何域全局特征有:
VFH:Viewpoint Feature Histogram
CVFH:在VFH基础上解决了点云残缺的问题。
三维不变矩:矩特征主要表征了图像区域的几何特征,又称为几何矩, 由于其具有旋转、平移、尺度等特性的不变特征,所以又称其为不变矩。但要注意,不变矩对点云密度十分敏感!亲测:
标签:特征,强度,分类,特征提取,几何,点云,全局,不变 来源: https://blog.csdn.net/nh54zyt/article/details/122185176
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。