CloudCompare&PCL SIFT关键点提取

一、简介

在现实生活中，无论这个物体是大还是小我们总是可以分辨出来，但这种在不同尺度下的认知能力对于机器而言却不那么容易具备，为了达到这一目的，我们就需要在不同尺度下来提取目标物体的一些特点。SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），就是这样一种描述子，其最初是用于图像处理领域的一种描述。这种描述具有尺度不变性，可以在图像中检测出关键点，是一种局部特征描述子，后被引入3D点云领域用于特征点的检测。

PCL中也是基于二维图像邻域中的SIFT探测思路来探测三维点云中的关键点，二维图像中的SIFT大致过程如下所示：

1. 制作图像尺度空间：分辨率（DOG，高斯差分金字塔）+ 模糊度（滤波）。也就是通过构建图像不同分辨率的金字塔结构，并对同一分辨率图像进行高斯模糊处理，最后并对同一分辨率使用不同高斯滤波的图像进行差分（DOG），以此来构建最终的尺度空间。