算法干货 | 点云物体识别大致流程
作者：李工
前沿
点云物体识别，一般包括：采集数据点集合，即点云、点云滤波、采样、特征提取、特征匹配、识别与论断等若干步骤。
滤波
原始数据中，一般都包含噪音，需要进行去噪；
一般用半径滤波、统计滤波等。半径滤波：就是搜寻给定半径R内的相邻点云个数，当个数少于给定阈值时，去除点云。 统计滤波：对每个点，进行邻域统计分析，依据统计数据，确定剔除或保留的样本点。
采样
点云一般个头都很大，数据量动辄若干G，有时达到T级别，数据中包含大量冗余，同时对程序速度、保存外存等都具有挑战性；为解决速度等问题，可以对滤波后的数据进采样处理；采样的原则是保证点云原始形态的边界分布，不能破坏边缘信息，要求达到边缘保留Edge-preserving）。
特征向量提取
采样后的点云数据，对每个点，进行特征提取，常用的提取算子有SHOT（signature histogram of orientation）、FPFH（Fast Point of Histogram）等。
匹配
对特征点进行匹配，形成对应关系，由匹配点对，进而计算匹配的相似度，达到对识别的论断。