NARF(法线对齐的径向特征)

NARF 全称 normal aligned radial feature(法线对齐的径向特征) ,是一种为从深度图像中识别物体而提出的3D关键点检测和描述的算法,该算法由Bastian Steder和 Radu Bogdan Rusu等人于2010年在他们的文章《Point Feature Extraction on 3D Range Scans Taking into Account Object Boundaries》中首次提出。

NARF是基于深度图像的关键点提取算法,与普通的灰度图像不一样,深度图像中深度值发生跳变的地方往往就是图像中物体的边缘部分。因此NARF算法会首先进行边缘检测,然后再从中选出表面稳定但领域变化较大的边缘点作为关键点。

深度图像

边缘检测的结果

关键点提取的结果

为了找到边缘,在每个深度图(range image)上,给定查询点p,在以p为中心,s为边长的矩形窗格内,计算每个点到p的距离,并对距离的集合升序排列,得到集合

然后计算点p与上、下、左、右四个方向的邻域的距离

然后对点p在上、下、左、右四个方向打分,判断点p是否为边缘点

将分数值与阈值T(原文文给的参考值为0.8),对评分大于T的点进行非极大值抑制,就区分出了物体的边缘点和非边缘点

边缘提取示意图

接着,就可以借用边缘点信息进行NARF关键点探测了,探测的步骤如下: 首先遍历深度图像中的每一个点,计算每个点的主方向v,再计算根据领域信息确定点的强度因子I1和方向因子I2:

然后将强度因子和方向因子相乘便得到兴趣值I。 然后利用高斯核来平滑每个点的兴趣值。 最后设定阈值T2,当兴趣值I大于阈值时,即为NARF关键点。T2的参考值可以为0.5。

配准结果示意图

深度图像示意图

边缘点提取结果示意图

相关推荐
zm-v-159304339861 分钟前
ChatGPT 与 DeepSeek:学术科研的智能 “双引擎”
人工智能·chatgpt
果冻人工智能4 分钟前
美国狂奔,中国稳走,AI赛道上的龟兔之争?
人工智能
果冻人工智能14 分钟前
再谈AI与程序员: AI 写的代码越来越多,那我们还需要开发者吗?
人工智能
大脑探路者18 分钟前
【PyTorch】继承 nn.Module 创建简单神经网络
人工智能·pytorch·神经网络
无代码Dev39 分钟前
如何使用AI去水印(ChatGPT去除图片水印)
人工智能·ai·ai-native
达柳斯·绍达华·宁1 小时前
自动驾驶04:点云预处理03
人工智能·机器学习·自动驾驶
wgc2k1 小时前
吴恩达深度学习复盘(4)神经网络的前向传播
人工智能·深度学习
屎派克1 小时前
神经网络知识
人工智能·深度学习·神经网络
补三补四1 小时前
k近邻算法K-Nearest Neighbors(KNN)
人工智能·机器学习
AI绘画月月1 小时前
AI绘画 | Stable Diffusion 图片背景完美替换
图像处理·人工智能·计算机视觉·ai作画·stable diffusion·midjourney·sd