PCL SIFT关键点算法

类 SIFTKeypoint 是将二维图像中的 SIFT 算子调整后移植到 3D 空间的 SIFT算子的实现。输入为带有 XYZ 坐标值和强度的点云 ， 输出为点云中的 SIFT 关键点。

class pcl:: SIFTKeypoint< PointlnT , PointOutT>

类 SIFTKeypoint 关键函数说明：

void setScales (float min_scale, int nr_octaves, int nr_scales_per_octave)
设置搜索时与尺度相关参数， min_scale 在点云体素尺度空间中标准偏差，点云对应体素栅格中体素的最小尺寸， nr_octaves 是检测关键点时体素空间尺度的数目，nr_scales_ per _ octave 为在每一个体素空间尺度下计算高斯空间的尺度时所需的参数。

void setMinimumContrast (float min contrast)
设置候选关键点应有的对比度下限．

void compute (PointCloudOut&.output)
计算并存储关键点到 output 中。
 

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/io.h>
#include <pcl/keypoints/sift_keypoint.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/time.h>
using namespace std;

namespace pcl
{
	template<>
	struct SIFTKeypointFieldSelector<PointXYZ>
	{
		inline float
			operator () (const PointXYZ &p) const
		{
			return p.z;
		}
	};
}

int
main(int argc, char *argv[])
{

	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_xyz(new pcl::PointCloud<pcl::PointXYZ>);
	
	if (pcl::io::loadPCDFile<pcl::PointXYZ>("knee_piece.pcd", *cloud_xyz) == -1)
	{
		PCL_ERROR("Couldn't read file1 \n");
		return (-1);
	}

	const float min_scale = 0.01;             //设置尺度空间中最小尺度的标准偏差          
	const int n_octaves = 6;               //设置高斯金字塔组（octave）的数目            
	const int n_scales_per_octave = 4;     //设置每组（octave）计算的尺度  
	const float min_contrast = 0.01;          //设置限制关键点检测的阈值       

	pcl::SIFTKeypoint<pcl::PointXYZ, pcl::PointWithScale> sift;//创建sift关键点检测对象
	pcl::PointCloud<pcl::PointWithScale> result;
	sift.setInputCloud(cloud_xyz);//设置输入点云
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
	sift.setSearchMethod(tree);//创建一个空的kd树对象tree，并把它传递给sift检测对象
	sift.setScales(min_scale, n_octaves, n_scales_per_octave);//指定搜索关键点的尺度范围
	sift.setMinimumContrast(min_contrast);//设置限制关键点检测的阈值
	sift.compute(result);//执行sift关键点检测，保存结果在result

	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_temp(new pcl::PointCloud<pcl::PointXYZ>);
	copyPointCloud(result, *cloud_temp);//将点类型pcl::PointWithScale的数据转换为点类型pcl::PointXYZ的数据

										//可视化输入点云和关键点
	pcl::visualization::PCLVisualizer viewer("Sift keypoint");
	viewer.setBackgroundColor(255, 255, 255);
	viewer.addPointCloud(cloud_xyz, "cloud");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 0, 0, "cloud");
	viewer.addPointCloud(cloud_temp, "keypoints");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 9, "keypoints");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 0, 255, "keypoints");

	while (!viewer.wasStopped())
	{
		viewer.spinOnce();
	}
	return 0;

}

参考博文：

1、PCL学习：关键点-SIFT