基于SIFT的点云关键点提取
这篇博文主要介绍SIFT算法在提取点云图像关键点时的具体用法。 尺度不变特征转换(Scale-invariant feature transform,SIFT)是David Lowe在1999年发表，2004年总结完善。其应用范围包括物体辨识，机器人地图感知与导航、3D ...
相关推荐
SEPC：使用3D卷积从FPN中提取尺度不变特征，涨点神器 | CVPR 2020
论文提出PConv为对特征金字塔进行3D卷积，配合特定的iBN进行正则化，能够有效地融合尺度间的内在关系，另外，论文提出SEPC，使用可变形卷积来适应实际特征间对应的不规律性，保持尺度均衡。PConv和SEPC对SOTA的检测算法有显著地提升 ，并且没有带来过多的额外计算量 来源：晓飞 ...
NARF 特征点提取
参考博客：https://www.cnblogs.com/ironstark/p/5051533.html 关键点检测本质上来说，并不是一个独立的部分，它往往和特征描述联系在一起，再将特征描述和识别、寻物联系在一起。NARF 算法可以分成两个部分，第一个部分是关键点提取，第二个部分是关键点 ...
SIFT特征点提取
一、 SIFT算法 1、算法简介 尺度不变特征转换即SIFT (Scale-invariant feature transform)是一种计算机视觉的算法。它用来侦测与描述影像中的局部性特征， 它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David ...
[CC]点云密度计算
1.计算点云最近点的平均距离（点云的平均距离）http://pointclouds.org/documentation/tutorials/correspondence_grouping.php CC版 ...
PCL关键点（1）
关键点也称为兴趣点，它是2D图像或是3D点云或者曲面模型上，可以通过定义检测标准来获取的具有稳定性，区别性的点集，从技术上来说，关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的表示，而且不失代表性和描述性，从而加快了后续的识别，追踪 ...
人脸关键点标注
1.获取坐标值 2.记录坐标属性（部位及其方向） 3.插入到数据库中 I、后台读入图片 1.连接数据库 2.SQL语句对路径进行查询 3.查询结果不为空则输出 II、将脸部圈出显示（等比缩放） 1.截取图片 2.等比缩放 III、标注点记录属性值 1.标注位置 2. ...