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
fantasy_arch几秒前
深度学习--softmax回归
人工智能·深度学习·回归
eqwaak07 分钟前
量子计算与AI音乐——解锁无限可能的音色宇宙
人工智能·爬虫·python·自动化·量子计算
Blossom.11812 分钟前
量子计算与经典计算的融合与未来
人工智能·深度学习·机器学习·计算机视觉·量子计算
跳跳糖炒酸奶35 分钟前
第四章、Isaacsim在GUI中构建机器人(1): 添加简单对象
人工智能·python·ubuntu·机器人
猿饵块41 分钟前
机器人--ros2--IMU
人工智能
硅谷秋水42 分钟前
MoLe-VLA:通过混合层实现的动态跳层视觉-语言-动作模型实现高效机器人操作
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
LS_learner43 分钟前
小智机器人关键函数解析,Application::OutputAudio()处理音频数据的输出的函数
人工智能·嵌入式硬件
2301_764441331 小时前
基于神经网络的肾脏疾病预测模型
人工智能·深度学习·神经网络
子燕若水1 小时前
用gpt-4o 生成图的教程和常用提示词
人工智能
weixin_442424031 小时前
Opencv计算机视觉编程攻略-第七节 提取直线、轮廓和区域
人工智能·opencv·计算机视觉