PCL点特征直方图 – 分级

2019年8月6日 244次阅读

如果仅使用三个角度特征(α,φ,θ),则作为点特征直方图估计的一部分的合并处理导致b ^ 3个区间,其中b是区间的数量.

为什么是b ^ 3而不是b * 3？

假设我们考虑alpha.
特征值范围细分为b个间隔.迭代查询点的所有邻居并计算位于一个间隔中的alpha值的数量.所以你有alpha的b箱.当您为其他两个功能重复此操作时,您将获得3 * b箱.

我哪里错了？

最佳答案 为简单起见,我将首先在2D中解释它,即具有两个角度特征.在这种情况下,你将有b ^ 2箱,而不是b * 2.

特征空间分为常规网格.特征根据它们在2D(或3D)空间中的位置进行分类,而不是沿着每个维度独立分区.请参阅以下示例,其中包含两个要素尺寸和b = 4,其中要素被分箱到标有#的单元格中：

^ phi
|
+-+-+-+-+
| | | | |
+-+-+-+-+
| | | | |
+-+-+-+-+
| | | |#|
+-+-+-+-+
| | | | |
+-+-+-+-+-> alpha

该特征被分组到单元格中,其中alpha在给定的间隔中,而phi在另一个区间中.您理解的关键区别在于尺寸不是独立处理的.每个单元格指定所有维度的间隔,而不是单个维度.
(这将在3D中以相同的方式工作,只有你将拥有theta的另一个维度和3D网格而不是2D网格.)

这种分箱方式导致2D情况的b ^ 2个区间,因为α维度中的每个区间与phi维度中的所有区间组合,导致数字的平方,而不是加倍.添加另一个维度,您可以获得立方体而不是三倍,就像您的问题一样.

点赞